Effektiv beskatning af opsparingsafkast

Transkript

1 Nationaløkonomisk Tidsskrift 151 (2013): 1-20 Effektiv beskatning af opsparingsafkast i Danmark Jesper Gregers Linaa De Økonomiske Råds Sekretariat, mail: [email protected] Lars Haagen Pedersen Finansministeriet, mail: [email protected] Peter Birch Sørensen Økonomisk Institut, Københavns Universitet, mail: [email protected] SUMMARY: A measure of the expected marginal effective tax rate (EMETR) on returns to savings is defined and estimates of EMETRs for Danish pension schemes are presented. Effective tax rates include explicit taxation of capital income and implicit taxation through changes in means-tested public transfers. Some key results are: (1) EMETRs on returns to pension savings tend to be regressive: Individuals who pay the top marginal income tax rate during their working lives face a lower EMETR on the returns to savings than do individuals with a working life income below this level. (2) Tenants receiving rent subsidies tend to face a higher EMETR on savings than individuals who do not receive the subsidy (including homeowners). (3) EMETRs in - crease with age for most income levels. In general, EMETRs vary greatly across dif - ferent types of saving, different income brackets and different age groups. The outcome is a system of capital income taxation with highly intransparent distribution effects and potentially highly distortionary allocation effects. 1. Problemstilling og hovedresultater Indførelsen af arbejdsmarkedspensioner på det private arbejdsmarked i starten af 1990erne betød en udbredelse af opsparingsbaserede pensionsordninger til langt størstedelen af de beskæftigede. En meget stor del af befolkningen foretager derfor systematisk opsparing i finansielle fordringer. For hovedparten af de fremtidige pensio- Denne artikel er udarbejdet mens alle forfattere var tilknyttet De Økonomiske Råd. Artiklen er baseret på begrebsapparat og beregningsmodeller udviklet til analysen i Kapitel II om»opsparing«i De Økonomiske Råd (2008). Vi takker Michael Andersen og Sune Sabiers, fra DREAM hhv. AE Rådet, for hjælp og kommentarer i forbindelse med dette arbejde. Claus Thustrup Kreiner samt to anonyme referees takkes for konstruktive kommentarer. Synspunkter i dette papir er forfatternes og ikke nødvendigvis sammenfaldende med vurderinger fra Finansministeriet og Det Økonomiske Råds formandskab.

2 2 NATIONALØKONOMISK TIDSSKRIFT NR. 1 nister betyder det, at en væsentlig del af deres pensionsindkomst vil være baseret på finansiel pensionsopsparing. Den stigende pensionsopsparing vurderes at føre til, at den opsparingsbaserede del af de samlede pensionsudbetalinger vil stige fra godt en tredjedel til omtrent halvdelen frem mod 2040, jf. Velfærdskommissionen (2006). Det er bemærkelsesværdigt, at denne væsentlige strukturelle ændring i pensionssystemet er blevet gennemført, uden at beskatningsregler eller regler for sociale pensioner er ændret i et betydende omfang. 1 Indførelsen af et opsparingsbaseret pensionssystem, hvor de udbetalte pensioner alene er baseret på den forrentede opsparing, indebærer en aflastning af forventede fremtidige offentlige forpligtelser i det omfang, at de enten direkte reducerer de frem - tidige offentlige pensioner eller reducerer forventningen til fremtidige stigninger i pensionerne som følge af den generelle velstandsudvikling. I det omfang pensionsopsparingen afkaster en positiv vækstkorrigeret realrente efter skat, vil opsparingsbaserede pensionsordninger tillige kunne give større pensionsudbetalinger end offentligt finansierede pay-as-go-pensioner. Af disse årsager anbefaler f.eks. OECD, at vel - færds staterne udbygger de opsparingsbaserede pensionsordninger. Imidlertid er der en indbygget konflikt mellem ønsket om et offentligt pay-as-yougo-pensionssystem, der via indkomstafhængighed er målrettet de svageste grupper, og ønsket om at skabe incitamenter til at opbygge opsparingsbaserede pensioner for brede grupper i befolkningen, når disse pensioner fører til reduktion i de målrettede sociale pensioner. Derfor er der behov for at afveje pay-as-you-go-pensionssystemets målrettethed overfor sikringen af et vist opsparingsincitament. 2 For at kunne foretage denne afvejning er det nødvendigt at vurdere omfanget af det incitamentsproblem for opsparingen, som følger af samspillet mellem skattesystemet og aftrapningen af de offent - lige ydelser. Formålet med dette papir er at estimere den effektive beskatning af afkast af forskellige former for opsparing givet de danske regler for beskatning og indkomst - afhængighed af offentlige ydelser. Til det formål udvikles et mål for den effektive beskatning, der vurderer den forventede tilbagediskonterede værdi af skattebetalingerne relativt til den forventede tilbagediskonterede værdi af det samlede afkast før skat. Skattemålet bliver dermed sammenligneligt med en kapitalindkomstskattesats, som f.eks. pensionsafkastskatten på 15 pct. af afkastet. 1. Det står i kontrast til forventningen i LO forud for indførelsen af arbejdsmarkedspensionerne, jf. betænkningen fra LO s Pensionsreformudvalg, LO (1985 s. 86): (Det er udvalgets vurdering),»at der er behov for en omlægning og forenkling af det nuværende pensionssystem, og at dette på visse områder vil blive yderst påtrængende i forbindelse med gennemførelse af en arbejdsmarkedspension. Det gælder især visse indkomstafhængige ydelser boligydelsen og den varige hjemmehjælp «2. Velfærdskommissionen (2006) og De Økonomiske Råd (2008) foreslår at mindske dilemmaet ved at indføre tvungne offentligt finansierede pensionsindbetalinger på vegne af personer, som pga. ledighed, handi - kap eller lignende ikke kan forventes at få en tilstrækkelig stor opsparingsbaseret pension. Disse indbetalinger erstatter den indkomstafhængige del af den fremtidige offentlige pension.

3 EFFEKTIV BESKATNING AF OPSPARINGSAFKAST I DANMARK 3 Husholdningernes opsparing i finansielle aktiver kan ske i form af såkaldt»fri«kapitalindkomstskattepligtig opsparing eller i form af bunden pensionsopsparing. Ved bunden pensionsopsparing afviger reglerne for beskatning og modregning i offentlige ydelser fra reglerne for fri opsparing. På grund af samspillet mellem skatte- og overførselssystemet vil den forventede marginale effektive skattesats (EMETR) på pen - sionsopsparing typisk variere med både indkomsten på indbetalingstidspunktet, varigheden af perioden frem til udbetaling af pensionen samt adgangen til offentlige overførsler som f.eks. boligsikring og -ydelse på henholdsvis ind- og udbetalingstidspunktet. Herudover vil EMETR afhænge af niveauet for den indkomst i pensionsalderen, der følger af den samlede pensionsformue, og endelig vil den afhænge af typen af pensionsopsparing. Ved anvendelse af det opstillede mål for den forventede effektive beskatning beregnes beskatningen af afkastet af en forøgelse af opsparingen på forskellige tidspunkter i livet under forskellige antagelser om indkomstudvikling over arbejdslivet, boligforhold og den resulterende størrelse af pensionsopsparing. EMETR i livrente- og kapitalpension sammenlignes med EMETR af fri kapitalindkomstskattepligtig opsparing for hver af de udvalgte kombinationer af forudsætninger. 3 Med de skatteregler, der følger af den fuldt indfasede Forårspakke 2.0, 4 er analysens resultat, at for langt størstedelen af befolkningen i den erhvervsaktive alder er EMETR lavest for kapitalpension uanset personens alder på indbetalingstidspunktet. Forskellen til livrente er dog begrænset, hvis personen ikke modtager boligstøtte. Dette resultat gælder for personer, der ikke betaler topskat, ikke har negativ kapitalindkomst på mere end kr. årligt, samtidig med at personens pensionsopsparing indebærer, at pensionstillægget ikke er fuldt aftrappet. Personer, der ikke betaler topskat som erhvervsaktive, vil typisk ikke have pensionsindkomst af en sådan størrelse, at pensionstillægget for en enlig er fuldt aftrappet. 3. For at holde antallet af dimensioner nede i dette papir bortses fra ratepension. En ratepension med en lang udbetalingsperiode på f.eks. 20 år vil indebære resultater, der er tæt på de resultater, som opnås for en livrente. I Linaa, Pedersen og Sørensen (2010), som udgør arbejdspapiret for denne artikel, rapporteres der resultater baseret på opsparing i en ratepension med en 10-årig udbetalingsperiode. 4. Inden offentliggørelsen af denne artikel er der i efteråret 2012 vedtaget en ny skattereform, der på en række punkter påvirker resultaterne i artiklen. For det første ændres skattereglerne for kapitalpension (og betegnelsen ændres til»alderspension«). Der betales i en gennemsnitskommune 37,3 pct. i skat af indbetalinger, mens udbetalingen er skattefri. Det indebærer en reduktion af skatten, idet der tidligere betaltes 40 pct. på udbetalingstidspunktet. Indbetalinger reducerer ikke længere indkomstgrundlaget for f.eks. boligsikring. For de fleste vil ændringen betyde, at EMETR af alderspension reduceres i forhold til de her præsenterede beregninger af de hidtidige kapitalpensionsregler og mest for indbetalinger foretaget relativt tæt på pen - sionstidspunktet. For det andet forøges grænsen for topskat som led i 2012 reformen, hvilket reducerer den gruppe af personer, som betaler topskat. Endelig forøges den indkomstafhængige del af folkepensionen, hvormed det indkomstniveau, hvor pensionstillægget er fuldt aftrappet, kommer tættere på at svare til det indkomstniveau, hvor der betales topskat.

4 4 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Hvis personen betaler topskat på indbetalingstidspunktet, er EMETR lavest ved opsparing på livrente. Resultatet gælder uanset størrelsen af personens opsparingsbaserede pension og er således uafhængigt af, om personen modtager pensionstillæg eller betaler topskat som pensionist. Også i dette tilfælde gælder resultatet for indbetalinger på alle tidspunkter i arbejdslivet, og uanset om personen modtager boligstøtte eller ej. Såvel Forårspakke 2.0 som Skattereform 2012 indebærer, at indtægtsgrænsen for topskat hæves. Det øger størrelsen af den befolkningsgruppe, der har et vist skattemæssigt incitament til opsparing på kapitalpension. Under en fuldt indfaset Forårspakke 2.0 vil en person med en indkomst svarende til medianindkomsten for langvarigt videregående uddannede kun i begrænset omgang betale topskat i de år af livet, hvor indkomsten er højest. Skattereform 2012 reducerer antallet af topskatteydere yderligere. Særlig for personer, som modtager boligstøtte, peger analysen på, at der er en skattemæssig fordel ved at spare op i kapitalpension frem for i pensionsordninger med livsvarige ydelser. Denne skattemæssige favorisering af kapitalpension forekommer ikke velafstemt med indretningen af arbejdsmarkedspensionerne, der typisk er udformet som livrenter. Analysen viser også, at EMETR er højere, jo senere i livet opsparingen foretages, hvis indkomsten som erhvervsaktiv ikke beskattes med topskat. Effekten er særligt markant for pensionsopsparing, idet ikke kun det løbende afkast, men også nedbringelsen af den akkumulerede formue bidrager til aftrapning af offentlige ydelser i dette tilfælde. Dermed vil personer, som ikke betaler topskat, typisk stå overfor en højere EMETR af pensionsopsparing i livrente end af fri kapitalindkomstskattepligtig opsparing i de sidste år inden pensionsalderen. Endvidere viser analysen, at EMETR af den skattemæssigt mest fordelagtige opsparingsform er lavere for personer, der betaler topskat på indbetalingstidspunktet end for personer, som ikke betaler topskat af den marginale indkomst. Endelig er det et hovedresultat af analysen, at der er betydelige forskelle i den marginale effektive afkastbeskatning. Den resterende del af artiklen er organiseret på følgende måde: I afsnit 2 opstilles det anvendte mål for den forventede effektive beskatning af opsparingsafkast. Afsnit 3 beskriver de generelle antagelser, der ligger bag beregningerne for fire typepersoners indkomstprofil over livet, herunder også udbetalingerne fra deres arbejdsmarkedspensioner. Resultaterne vedrørende den effektive afkastbeskatning for typepersonerne præsenteres i afsnit 4, mens der konkluderes i afsnit Opgørelse af den forventede effektive beskatning af opsparingsafkast Den samlede beskatning af opsparingsafkastet opgøres som summen af fire elementer: (1) Direkte beskatning af afkastet, (2) Tab/gevinst som følge af, at indbetalin-

5 EFFEKTIV BESKATNING AF OPSPARINGSAFKAST I DANMARK 5 ger til pensionsopsparing er fradragsberettigede, mens udbetalinger er skattepligtige, og der potentielt er forskel i de marginale skattesatser på de to tidspunkter, (3) Modregning i indkomstafhængige ydelser som følge af opsparingsafkast og nedbringelse af den akkumulerede pensionsformue og (4) Beskatning af en eventuel efterladt arv. Den marginale direkte beskatning af afkastet af pensionsopsparing er lig pensionsafkastskattesatsen, pal, der udgør 15 pct. af markedsafkastet før 2012 og 15,3 pct. derefter. Når opsparingen foretages som fri opsparing i f.eks. et pengeinstitut, afhænger den marginale kapitalindkomstskattesats, A, derimod af personens samlede indkomst og evt. nettorenteudgifter. Nogle pensionsformer (livrente, rate- og den hidtidige kapitalpension) indkomstbeskattes ikke på indbetalingstidspunktet, mens udbetalinger omvendt er indkomstskattepligtige. Hvis de marginale skattesatser på ind- og udbetalingstidspunktet er iden - tiske, vil den tidsmæssige placering af beskatningen ikke påvirke størrelsen af udbetalingerne efter skat. Imidlertid svarer skattereduktionen ved indskud på en pensionsordning ikke nødvendigvis til beskatningen ved opsparingens udbetaling. Dermed kan kombinationen af fradragsret ved indbetaling og beskatning ved udbetaling påvirke nutidsværdien af den samlede skattebetaling. I det følgende angiver Q t den ændring i en skatteyders skattebetaling i et givet leveår t, der fremkommer som følge af en ekstra indbetaling til eller udbetaling fra en pensionsordning. Ved indbetalinger gælder i kraft af fradragsretten, at Q t < 0, mens beskatningen ved udbetaling indebærer Q t > 0. Herudover kan opsparingens formue- og afkastforhold give anledning til modregning af udbetalinger fra opsparingsordningen i diverse indkomstafhængige sociale ydelser, såsom folkepensionstillæg og boligydelse. Ændringen i ydelserne benævnes T t. For T t > 0 er der tale om reduktioner i de samlede ydelser. Da pensionsindbetalinger reducerer den personlige indkomst, kan de give anledning til tildeling af f.eks. øget boligsikring, således at T t < 0 svarende til, at de indkomstafhængige overførsler stiger ved indbetalingen. Endelig er det muligt, at personen efterlader en arv, der beskattes hos arvingerne. Dette er relevant, hvis opsparingen har fundet sted som fri opsparing eller som en kapitalpension. Størrelsen af arven skrives i det følgende B, og B er skattesatsen herpå. Da livrenten er en forsikringsordning, efterlades der ikke nogen arv ved opsparerens død, selvom de samlede udbetalinger herfra måtte være mindre end de samlede indbetalinger. Ved opsparing i livrente gælder det således altid, at B = I den konkrete analyse er det antaget, at efterladt arv i kapitalpension beskattes med 40 pct., mens efterladt formue i et pengeinstitut ikke beskattes, svarende til en antagelse om, at arven er mindre end den skattefri bundgrænse for arveafgift.

6 6 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Antag nu, at en person med alderen a øger sin opsparing det pågældende år. Den effektive skattesats på det resulterende ekstra opsparingsafkast kan da opgøres som den tilbagediskonterede værdi af de forventede ekstra fremtidige skattebetalinger sat i forhold til den tilbagediskonterede værdi af det forventede ekstra fremtidige afkast før skat. Den forventede effektive beskatningsprocent for en a år gammel person kan skrives som T { a,t ( i t [1 a ] A t + T t + Q t ) + a,t B B t} t=a E a { a } = (1) T (1 a ) a,t A t t=a hvor A t er afkastet før skat i det fremtidige leveår t a, i t { A t, t pal } afhængigt af opsparingstype, og a,t og a,t er diskonteringsfaktorer. Der opereres af tekniske årsager med en øvre levealder på T år, hvor T er sat lig 120 år. 6, 7 Afkastet skaleres endvidere med faktoren 1 a. Denne skalering er relevant ved opsparing i kapitalpension og livrente, hvor afkastet delvist er opsparerens eget og delvist tilhører staten i kraft af den udskudte skat af opsparingsbeløbet. Uden skaleringen ville skattemålet blive skævt, idet den implicitte beskatning (opfanget af leddene T t og Q t ) så ville blive opgjort i forhold til et for stort afkast og dermed påvirke beskatningen for lidt. For kapitalpension er a = 0,4, hvilket afspejler, at 40 pct. af opsparingen skal betales i skat ved udbetaling. Derfor er 40 pct. af afkastet statens, mens de resterende 60 pct. er opsparerens eget afkast. Ligeledes er det den gennemsnitlige direkte skattesats på den marginale udbetaling, der er relevant for livrentens vedkommende. Denne kan imidlertid ikke identificeres på indbetalingstidspunktet, så her sættes a lig den marginale skattesats på arbejdsindkomst på indbetalingstidspunktet, dvs. når personen er a år gammel. Ved fri opsparing sættes a = 0, idet hele afkastet tilhører opspareren. I det tilfælde, hvor der kun er direkte (explicit) afkastbeskatning, og denne er konstant over tid, ses af (1), at den effektive marginalskattesats bliver E a { i a } = i. Man kan således direkte sammenligne de beregnede effektive skattesatser med den almindelige afkastbeskatning, hvilket er rationalet for definitionen af skattemålet i (1). 6. Den samlede beskatning er ikke uafhængig af valget af rente. Det skyldes, at jo lavere afkastet (og beskatningen heraf) er, desto større vægt vil fradragsmuligheder ved indbetaling og beskatning ved udbetaling antage i den samlede beskatning. 7. For en praktisk anvendelse og dekomponering af dette mål ud på de respektive bidrag, der indgår i (1), henvises til tabel IV.6 i De Økonomiske Råd (2008b).

7 EFFEKTIV BESKATNING AF OPSPARINGSAFKAST I DANMARK 7 Diskonteringen af den forventede værdi af skatter og ydelser, a,t, er givet ved t a,t = ( 1 j ) / (1 + r(1 pal )) t-a, j=a hvor j er den aldersbetingede dødssandsynlighed for en person med alder j, således at t j=a (1 j ) er sandsynligheden for, at en a år gammel person bliver mindst t år gammel. Den samlede diskontering a,t benytter således renten efter pensionsafkastskat ved tilbagediskonteringen og vægter tillige med sandsynligheden for at være i live på det pågældende tidspunkt. 8 Diskonteringen af skat på den forventede værdi af efterladt arv, a,t, er givet ved a,t = t / (1 + r(1 pal )) t-a, som benytter renten efter pensionsafkastskat vægtet med sandsynligheden for at dø i leveåret t a. For fri opsparing i f.eks. et pengeinstitut og for kapitalpensioner beregnes afkastet som forrige periodes indestående, W t-1, multipliceret med før-skat renten, r t. Afkastet kan således skrives A t = r t W t-1 (2) Livrenten er speciel i denne sammenhæng, fordi udbetalinger fra ordningen er betinget af, at den forsikrede er i live. Det skattepligtige afkast er også for denne ordning givet ved (2). Der er imidlertid som nævnt tale om en forsikringsordning, hvor det enkelte medlem, som ikke dør, opnår et ekstra afkast. Det ekstra afkast modsvares af, at formuen tilfalder selskabet i tilfælde af den forsikredes død. Det kaldes i det følgende for overlevelsesforrentningen, og denne del af afkastet er skattefrit. Det forventede afkast af en livrente for en a-1 år gammel person, der er i live året efter, er således forrige periodes formue multipliceret med renten og divideret med sandsynligheden for at være i live ét år senere, dvs. r t W t-1 /(1- a ), hvor a er sandsynligheden for, at en a-1 år gammel person dør, inden vedkommende bliver a år gammel. Da (1- a ) < 1, gælder det dermed, at afkastet på livrenten er større end ved opsparing i pengeinstitut, rate- og kapitalpension. 8. Der anvendes samme diskonteringsfaktor for alle opsparingsformer, således at det ikke er forskellig diskontering, der giver anledning til forskelle i den forventede beskatningsprocent.

8 8 NATIONALØKONOMISK TIDSSKRIFT NR Beregningsforudsætninger og indkomstprofiler Vi bruger nu det ovenfor opstillede skattemål til at beregne den effektive beskatning af opsparingsafkast under en række stiliserede antagelser. Først konstrueres stiliserede lønudviklinger over livet ved at tage udgangspunkt i aldersbetingede lønprofiler svarende til medianlønnen for fire uddannelsesniveauer: Ufaglærte, faglærte, personer med kort eller mellemlang videregående uddannelse og personer med lang videregående uddannelse. Herudover ses på typepersoner, som har henholdsvis 20 pct. og 100 pct. højere årsindkomst end medianindkomsten for den typiske person med lang videregående uddannelse. Endelig betragtes den effektive beskatning for en person, som betaler topskat gennem hele livet. Det antages, at den aktuelle aldersbetingede lønprofil i tværsnitsdata er udtryk for den forventede stigning i den vækstkorrigerede løn over livet for en person med den givne uddannelse. Dernæst defineres for hver lønprofil en pensionsindbetalingsprofil, som fastlægger det forventede pensionsniveau, der danner udgangspunktet for beregning af den effektive marginale afkastbeskatning ved ekstra opsparing på forskellige tidspunkter i livet. Pensionsindbetalingsprofilerne baseres på de nuværende overenskomstaftalte indbetalingsprocenter, jf. De Økonomiske Råd (2008a). Der ses bort fra frivillige indbetalinger på privattegnede pensionsordninger, mens det antages, at der udbetales kr. pr. person i livsvarig pension fra ATP. 9 Fraværet af frivillige pensionsindbetalinger tenderer mod systematisk at undervurdere indkomsten som pensionist, jf. opgørelserne af indbetalingsniveauerne i De Økonomiske Råd (2008a). Det antages, at ufaglærte og faglærte starter indbetalingen som 22-årige, mens personer med kort og mellemlang videregående uddannelse indbetaler fra de er 25 år og personer med lang videregående uddannelse fra de er 28 år. Alle typer personer antages at gå på pension som 65-årige. Generelt vil der således være en tendens til, at de præsenterede eksempler vil undervurdere pensionsdækningen for yngre personer pga. den forventede senere tilbagetrækning for disse grupper (som følge af Velfærdsforliget af 2006 og tilbagetrækningsreformen af 2011), mens visse typeeksempler for personer tæt på pensionsalderen vil have en tendens til at overvurdere pensionsdækningen, fordi arbejdsmarkedspensionerne for ufaglærte og faglærte først indførtes i 1991, og indbetalingsprocenten gradvis er forøget i perioden herefter, jf. De Økonomiske Råd (2008a). Beregningerne forudsætter, at alle typer af opsparing forrentes med samme sats efter eventuelle administrationsomkostninger. Konkret anvendes en årlig nominel forrentning på 4,75 pct. Antagelsen om ens afkast er ikke nødvendigvis udtryk for en rea- 9. ATP er ikke formelt modelleret i beregningerne. De kr. svarer omtrent til udbetalingerne for en person, som har været fuldtidsbeskæftiget på arbejdsmarkedet gennem hele arbejdslivet. Beløbet hæver niveauet for de opsparingsbaserede pensioner som pensionist, men påvirker herudover ikke resultaterne vedrørende de effektive marginalskatter.

9 EFFEKTIV BESKATNING AF OPSPARINGSAFKAST I DANMARK 9 listisk vurdering, men foretages for at sikre, at de forskelle, som afdækkes, alene skyldes skatte- og overførselssystemet og ikke forskelle i de underliggende forrentninger. Det antages, at inflationen er på 1,75 pct., og at reallønnen vokser med 2 pct. Dette giver en vækstkorrigeret realrente efter pensionsafkastskat på 0,24 pct. Den tekniske modellering af livrenteordninger følger modelleringen i DREAM, jf. Pedersen m.fl. (1999), idet det dog af sammenlignelighedsgrunde er antaget, at der ikke er ægtefællepensionsforsikring og invalidepensionsforsikring i den pågældende ordning, som derved alene bliver en alderspensionsforsikringsordning. De anvendte overlevelsessandsynligheder er beregnet som det uvægtede gennemsnit for kvinder og mænd, jf. Hansen og Barington (2009). Den tekniske grundlagsrente i livrenteordningen antages at være lig den vækstkorrigerede realrente, hvilket sikrer, at annuiteter udbetales med en vækstrate svarende til lønudviklingen. 10 De anvendte forudsætninger betyder, at hverken personer med indkomster svarende til medianindkomsterne for ufaglærte, faglærte eller personer med kort eller mellem - lang videregående uddannelse kommer til at betale topskat som erhvervsaktive. Dette gælder såvel med skattereglerne for 2009 som med skattereglerne for 2019, hvor skattereformen i Forårspakke 2.0 er fuldt indfaset. For personer med lang videregående uddannelse indebærer skattereglerne fra 2009, at de betaler topskat fra de er 36 år, mens stigningen i topskattegrænsen som følge af Forårspakke 2.0 betyder, at de fra 2019 først vil komme til at betale topskat fra det 44. år. Ingen af personerne med indkomst svarende til medianindkomst til en uddannelsesgruppe opnår med de anvendte forudsætninger en pensionsindkomst fra opsparingsbaserede ordninger, som er tilstrækkeligt høj til, at pensionstillægget bliver fuldt aftrappet. Det betyder også, at ingen af disse typepersoner betaler topskat som pensionist. For personer i lejebolig fokuseres alene på typepersoner svarende til medianindkomsten for de fire uddannelsesgrupper. Alle disse typepersoner er berettigede til boligydelse som pensionister, og pensionsindkomsten er for alle typer tilstrækkelig høj til, at boligydelsen er indkomstafhængig på marginalen. 4. Resultater For hver af de stiliserede forløb af indkomst over livet beregnes den forventede marginale effektive afkastbeskatning af en indbetaling til pensionsopsparing eller fri opsparing på kr. (før skat), når der tages udgangspunkt i den pensionsopsparing, der følger af vedkommendes arbejdsmarkedspensionsindbetalinger. I marginalanaly- 10. Ved beregning af de forventede pensionsudbetalinger anvender pensionsselskaber en såkaldt teknisk beregningsrente, der er lavere end markedsrenten. For pensioner under udbetaling betyder dette princip, at vækstraten i den årlige pensionsudbetaling svarer til forskellen mellem den tilskrevne rente og den anvendte beregningsrente, jf. Pedersen m.fl. (1999).

10 10 NATIONALØKONOMISK TIDSSKRIFT NR. 1 sen antages, at indbetalingen foretages én gang i løbet af den erhvervsaktive alder. Beregningen gennemføres for forskellige tidspunkter i livet for at vurdere udviklingen i den marginale afkastbeskatning over livsforløbet. 4.1 Opsparing i et kapitalindkomstskattepligtigt aktiv Først betragtes en fri kapitalindkomstskattepligtig opsparing. Det antages til at begynde med, at personen gennem hele livet har positiv kapitalindkomst. For persontyperne, der ikke betaler topskat (ufaglærte, faglærte og personer med en kort eller mellemlang videregående uddannelse), vil den direkte marginalskat på kapitalindkomst efter gennemførelsen af Forårspakke 2.0 være på godt 37 pct., svarende til summen af kommuneskatten og statsskatten på det nederste trin af skatteskalaen. Ved udmåling af pensionstillægget modregnes knap 31 pct. af kapitalindkomsten fra den højere frie opsparing for en enlig pensionist. Det fører til, at den forventede beskatning stiger, jo senere i livet opsparingen foretages. 11 Hvis opsparingen havde fundet sted, mens personen var pensionist, ville effekten på den effektive afkastbeskatning have været de fulde 31 pct. af afkastet. Da indbetalingen imidlertid finder sted, mens personen er erhvervsaktiv, vil den del af afkastet, som falder i perioden før vedkommende bliver pensionist, ikke give anledning til modregning. Derfor vil modregningens andel af det tilbagediskonterede samlede afkast generelt være lavere end 31 pct. Jo tidligere indbetalingen foretages, jo lavere bliver effekten af modregningen på den effektive afkastskatteprocent. For personer med en indkomst svarende til medianindkomsten for de tre nævnte uddannelsesgrupper vokser den effektive beskatning derfor gradvist, jo senere i den erhvervsaktive del af livet indbetalingen foretages. For en 30-årig bliver den effektive marginale sats med de fremtidige skatteregler 41 pct., hvoraf de 34 pct.point hidrører fra den direkte beskatning, og de 7 pct.point hidrører fra modregning af pensionstillægget. For en 60-årig er den effektive marginale sats 51 pct., hvilket er sammensat af et bidrag på 28 pct.point fra den direkte beskatning og et bidrag på 23 pct.point fra af - trapningen af pensionstillægget, jf. tabel Også personer med en indkomst svarende til medianindkomsten for langvarigt videregående uddannede vil i regneeksemplet have en effektiv marginalbeskatning af kapitalindkomst på samme niveau som de øvrige tre typeeksempler efter de nye skatteregler. Dette gælder, selvom disse personer betaler topskat af deres arbejdsindkomst. 11. Forårspakke 2.0 forøger pensionstillægget med kr. i Da grænsen for fuld aftrapning af tillægget fastholdes, betyder det, at aftrapningsprocenten forøges fra 30 pct. til 30,9 pct. 12. Da de forøgede afkast fører til aftrapning af pensionstillægget, stiger den skattepligtige indkomst ikke fuldt ud med stigningen i afkastet. Derfor stiger den direkte skattebetaling mindre end svarende til marginalskatteprocenten. Jo senere i arbejdslivet indbetalingen foretages, jo større er denne effekt på den forventede beskatning over livsforløbet.

11 EFFEKTIV BESKATNING AF OPSPARINGSAFKAST I DANMARK 11 Tabel 1. Forventet effektiv marginal afkastbeskatning i pct. ved kapitalindkomstskattepligtig opsparing. Ufaglært Alder Faglært LVU LVU + 20 pct. LVU pct. LVU pct. KMVU Anmærkning: Vurderet ved skattesatser for fuldt indfaset Forårspakke 2.0. Det antages at personen har positiv kapitalindkomst under kr., ingen boligstøtte. Årsagen er, at Forårspakke 2.0 introducerer et fradrag i topskattegrundlaget for kapitalindkomst på kr. for enlige. Med antagelserne i eksemplet kommer kapitalindkomsten ikke over de kr., og der skal derfor ikke betales topskat af opsparingsafkastet. For personer, som ikke modtager det indkomstafhængige pensionstillæg, er den effektive marginale beskatning af øget kapitalindkomstskattepligtig opsparing lig med den direkte beskatning af opsparingen. Personer med så høj en pensionsindkomst vil derfor have en effektiv beskatning på ca. 37 pct., hvis deres samlede kapitalindkomst ikke overstiger kr. For personer med negativ kapitalindkomst hvilket er den typiske situation for mange (i hvert fald yngre) boligejere er den marginale direkte afkastbeskatning på 33½ pct., hvis de årlige nettorenteudgifter er mellem 0 og kr. Det betyder, at den direkte afkastbeskatning er ca. 4 pct.point lavere end i regneeksemplerne ovenfor. Hvis rentebetalingerne overstiger kr., er den marginale direkte afkastbeskatning 25½ pct. eller ca. 12 pct.point lavere end for personer med positiv kapitalindkomst. Den effektive marginale beskatning af afkast for en person med stor negativ kapitalindkomst er derfor umiddelbart mellem 30 og 40 pct. afhængigt af vedkommendes alder på indbetalingstidspunktet. Imidlertid kan man forestille sig endnu lavere effektiv afkastbeskatning, fordi de betydelige renteudgifter kan bringe indkomsten i pensionsalderen under grænsen for aftrapning af pensionstillægget. Hvis det er tilfældet, reduceres den effektive afkastbeskatning til i grænsen at nå 25½ pct., hvis indkomsten som pensionist på intet tidspunkt er tilstrækkelig til, at pensionstillægget af - trappes. Hermed skaber skatte- og overførelsessystemet et vist incitament imod nedbringelse af relativt store gældsposter.

12 12 NATIONALØKONOMISK TIDSSKRIFT NR Opsparing i livrente for ejere Hvis opsparingen tager form af indbetalinger på en livrente, er indbetalingen fradragsberettiget i den personlige indkomst, afkastet af opsparingen beskattes med 15 pct. uafhængigt af indkomst mv., og udbetalinger fra ordningen beskattes som personlig indkomst. Indbetalinger reducerer indkomstgrundlaget for beregning af indkomst - afhængige sociale ydelser som f.eks. boligsikring og vil derfor potentielt kunne for øge boligsikringen, mens man er erhvervsaktiv. Modsat forøger udbetalinger fra pensionsordningen indkomstgrundlaget for udmåling af sociale ydelser. I modsætning til fri kapitalindkomstskattepligtig opsparing, hvor det løbende afkast som pensionist giver anledning til modregning, er det den samlede årlige udbetaling fra livrenten, som modregnes i de sociale ydelser. Den årlige udbetaling inkluderer nedbringelsen af hovedstolen og det akkumulerede afkast frem til pensionering, foruden det løbende afkast som pensionist. Det betyder, at gevinsten i form af den lavere direkte afkastbeskatning på pensionsopsparingen skal holdes op mod det potentielle ekstra tab, som følger af den forøgede modregning af de sociale ydelser. Modregningen i pensionstillægget fører på sin side til, at den skattepligtige indkomst bliver mindre end uden modregning. Dermed finansieres en del af modregningen i tillægget af reducerede skattebetalinger. Personer med indkomst svarende til ufaglærte, faglærte, KMVU og LVU, der ikke er berettiget til boligstøtte, står over for den samme effektive marginale afkastbeskatning på 29 pct.point ved indbetaling til en livrente som 30-årige, idet ingen af de nævnte grupper betaler topskat. Den effektive afkastbeskatning er sammensat af den direkte afkastbeskatning på 15 pct.point plus en effekt fra aftrapningen af pensionstillægget på 22 pct.point fratrukket den skattemæssige besparelse på 8 pct.point, der opnås via reduktionen af pensionstillægget. 13 Betydningen af modregningen i pen - sionstillægget er betydeligt større i dette tilfælde end ved den tilsvarende indbetaling på en kapitalindkomstskattepligtig ordning. Det skyldes, at nedbringelse af hovedstolen og afkast frem til pensionering bidrager til modregningen. Typepersonerne med en indkomst svarende til medianindkomsten for en ufaglært, en faglært eller en person med kort eller mellemlang videregående uddannelse betaler ikke topskat på noget tidspunkt i den erhvervsaktive del af livet. Alligevel stiger den marginale effektive afkastbeskatning med alderen. Det skyldes ligesom i tilfældet med kapitalindkomstskattepligtig opsparing at nettoeffekten af modregningen af de sociale ydelser stiger relativt til afkastet, jo ældre man er på indbetalingstidspunktet. Da modregningen også inkluderer hovedstol og afkast frem til pensionering, bliver aldersafhængigheden mere udtalt end i tilfældet med kapitalindkomstskattepligtig op- 13. De 8 pct. fremkommer som skattesatsen for personer, der ikke betaler topskat, multipliceret med for - øgelse af den effektive afkastbeskatning som følge af modregningen af pensionstillægget.

13 EFFEKTIV BESKATNING AF OPSPARINGSAFKAST I DANMARK 13 Tabel 2. Forventet effektiv marginal afkastbeskatning i pct. ved opsparing på livrente. Ufaglært Alder Faglært LVU LVU + 20 pct. LVU pct. LVU pct. KMVU Anmærkning: Vurderet ved skattesatser for fuldt indfaset Forårspakke 2.0. Den antages, at personen ikke modtager boligstøtte. sparing. Ved en indbetaling til en livrente som 60-årig bliver den effektive marginale afkastbeskatning 53 pct., hvilket er sammensat af en direkte pensionsafkastbeskatning på 15 pct. plus bidrag på 60 pct. fra reduktionen i pensionstillægget og fratrukket en skattebesparelse på 22 pct. som følge af modregningen, jf. tabel 2. Selvom typepersoner med en indkomst svarende til medianindkomsten for en person med LVU betaler topskat i perioden fra de er 44 til 60 år, er indkomsten ikke så høj, at hele den ekstra indbetaling på pensionsordningen bliver fradragsberettiget i topskatten. Derfor er den effektive beskatning for denne gruppe kun en smule lavere end for de øvrige tre typepersoner. Hvis indkomsten er 20 pct. højere end medianindkomsten for personer med LVU, vil den marginale indbetaling fuldt ud blive modregnet i topskatten fra det 35. år. Dermed falder den effektive beskatning af afkastet til omkring 19 pct. i 35-års alderen og til 24 pct. i 60-års alderen (heraf 60 pct. point fra modregning i pensionstillægget, 15 pct. point fra pensionsafkastbeskatning og -51 pct. point fra indkomstskat). En person, som betaler topskat på indbetalingstidspunktet og har høje pensionsudbetalinger, således at folkepensionstillægget er fuldt aftrappet, kan efter reglerne i For - årspakke 2.0 komme i den situation, at vedkommende ikke betaler topskat på udbetalingstidspunktet samtidig med, at der ikke er modregning i sociale ydelser, fordi pen - sionstillægget er fuldt aftrappet. Denne situation opstår i typeberegningerne for en person med en indkomst, der hvert år er dobbelt så høj som medianindkomsten for langvarigt videregående uddannede, illustreret ved søjlerne med»lvu pct.«i tabel 3. For denne person er den effektive marginale afkastbeskatning på 1 pct. ved indbetalinger som 40-årig og på -14 pct. ved indbetalinger som 60-årig. For den 40- årige er den effektive afkastbeskatning sammensat af pensionsafkastbeskatning på 15

14 14 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Tabel 3. Reduktion i forventet effektiv marginal afkastbeskatning ved placering i livrente frem for kapitalindkomstskattepligtig opsparing (pct. point). Ufaglært Alder Faglært LVU LVU + 20 pct. LVU pct. LVU pct. KMVU Anmærkning: Vurderet ved skattesatser for fuldt indfaset Forårspakke 2.0. Den antages at personen har positiv kapital - indkomst under kr., ingen boligstøtte. pct.point og et bidrag fra indkomstskatten på -14 pct.point. Ved indbetaling som 60- årig er det negative bidrag fra indkomstskatten vokset til -29 pct.point, fordi skattebesparelsen ved, at indbetalingerne trækkes fra til topskat, mens udbetalinger beskattes med bundskat, måles i forhold til et lavere akkumuleret afkast. Med skattereformen fra 2012 er pensionstillægget forøget, således at der i højere grad er sammenfald mellem den indkomst, der fører til fuld aftrapning af pensionstillægget og den indkomst, som giver anledning til topskat. De meget lave EMETR-niveauer for LVU pct. er således kun gældende i et begrænset indkomstinterval efter Skattereform Endelig kan en persons indkomst og pensionsudbetaling være så høj, at vedkommende betaler topskat på såvel indbetalings- som udbetalingstidspunktet, så vedkommende dermed ikke er berettiget til pensionstillæg. I dette tilfælde er den marginale effektive afkastbeskatning på 15 pct. uafhængig af alder, da beskatningen alene består af pensionsafkastskatten. Dette er tilfældet for eksemplet med en indkomst svarende til medianindkomsten for»lvu pct.«, jf. tabel 2. Med skattereglerne efter Forårspakke 2.0 har personer med positiv nettokapitalindkomst, som ikke modtager boligstøtte, som hovedregel et skattemæssigt incitament til at spare op i form af livrenter frem for kapitalindkomstskattepligtig opsparing. Dette gælder også, selvom de ikke betaler topskat på indbetalingstidspunktet. I dette tilfælde gælder resultatet dog ikke for indbetalinger, som foretages sent i arbejdslivet. Ved 60- års alderen er der en merbeskatning ved opsparing i livrenter frem for kapitalindkomstskattepligtig opsparing, hvis der ikke betales topskat på indbetalingstidspunktet, jf. tabel 3. Denne merbeskatning vokser frem til pensionsalderen.

15 EFFEKTIV BESKATNING AF OPSPARINGSAFKAST I DANMARK Sammenligning med opsparing på kapitalpension I dette afsnit sammenlignes den effektive afkastbeskatning ved livrenter og kapital - indkomstskattepligtig opsparing med afkastbeskatningen af kapitalpension. Kapitalpensioner er karakteriseret ved, at hele det indestående beløb udbetales på samme tid. Indbetalinger til en kapitalpension er ikke fradragsberettigede i topskatten. Med gennemførelse af Forårspakke 2.0 er kapitalpensionsindskud derfor alene fradragsberettigede i bundskattegrundlaget, som udgør godt 37 pct. i en typisk kommune. Afkast af indestående på kapitalpensioner beskattes som pensionsafkast med 15 pct. Ved udbetaling beskattes kapitalpensioner med 40 pct. Udbetalinger modregnes ikke i sociale ydelser, men indbetalinger reducerer indkomstgrundlaget for beregning af sociale ydelser og kan derfor udløse øget tildeling af f.eks. boligsikring. Det antages, at kapitalpensionen udbetales på pensionstidspunktet, og at det udbetalte provenu indsættes på en kapitalindkomstskattepligtig ordning, som gradvis nedbringes frem mod det forventede dødstidspunkt. Afkastet af opsparingen i pensionsperioden er underlagt reglerne for kapitalindkomstpligtig opsparing, dvs. afkastet beskattes med indkomstskattesatsen og modregnes i indkomstafhængige sociale ydelser. 14 Det antages, at kapitalpensionen udbetales ved overgang til pension ved alderen 65 år. Regneeksemplet er ikke udtryk for minimering af de effektive skattebetalinger, fordi det efter reglerne i Forårspakke 2.0 er muligt at bevare kapitalpensionsordningen til det fyldte 75. år. Det er skattemæssigt fordelagtigt at lade indeståendet på kapitalpensionen blive stående længst muligt, idet pensionsafkastskatten er lavere end afkast - skatten efter reglerne i kapitalindkomstbeskatningen. Hertil kommer, at afkastet i kapitalpensionsordningen ikke giver anledning til modregning i indkomstafhængige ydelser som f.eks. pensionstillægget. Endelig gælder, at indbetalinger i pensionistpe - rioden efter reglerne i Forårspakke 2.0 reducerer indkomstgrundlaget for beregning af sociale ydelser og derfor forøger f.eks. pensionstillægget mens der ikke er modregning i ydelserne ved udbetaling. For personer med pensionsindkomster i intervallet, hvor pensionstillægget aftrappet, er der således en betydelig mulighed for»skattetænkning«ved at indbetale på kapitalpensionsordninger i perioden fra personen er 65 år, til ordningen skal udbetales ved det fyldte 75. år. 15 Samlet gælder således, at de præ senterede effektive skattesatser markant overvurderer de nødvendige skattebetalinger ved opsparing på kapitalpensionsordninger. Eksemplet er valgt for at sikre størst mulig sammenlignelighed mellem opsparingsformerne. 14. Som beskrevet i fodnote 4 er reglerne for denne type opsparing ændret med Skattereform Der gives ikke fradrag på indbetalingstidspunktet, mens udbetalinger er skattefrie. Derved spares den merbeskatning som hidtil har været mellem beskatning af udbetalinger og fradrag for indbetalinger. På den anden side giver indbetalinger ikke længere anledning til reduktion i den indkomst som leder til sociale ydelser som f.eks. boligsikring. 15. Muligheden for sidstnævnte skattetænkning er fjernet med Skattereform 2012.

16 16 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Tabel 4. Reduktion i forventet effektiv marginal afkastbeskatning ved placering i livrente frem for kapitalpensionsopsparing (pct. point). Ufaglært Alder Faglært LVU LVU + 20 pct. LVU pct. LVU pct. KMVU Anmærkning: Vurderet ved skattesatser for fuldt indfaset Forårspakke 2.0. Den antages at personen har positiv kapital - indkomst under kr., ingen boligstøtte. Der er som nævnt med reglerne i Forårspakke 2.0 en begrænset merbeskatning af udbetalingen af kapitalpensionen, idet skatten på udbetalingstidspunktet er godt 3 pct.point højere end på indbetalingstidspunktet. I forhold til kapitalindkomstskattepligtig opsparing skal dette tillæg vejes op mod den reduktion i den direkte afkastbeskatning, som følger af, at afkastet i kapitalpensioner beskattes med den lavere pen - sionsafkastskat. Samlet gælder, at for indbetalinger, der foretages meget tæt på pen - sionsalderen, vil der i eksemplet være en gevinst i form af lavere effektiv afkastbeskatning ved at foretage fri kapitalindkomstskattepligtig opsparing. Helt frem til 60- års alderen gælder dog, at der er en lavere effektiv afkastbeskatning ved kapitalpen - sion end ved kapitalindkomstskattepligtig opsparing. Hvis personen udnytter muligheden for at lade kapitalpensionen blive stående efter pensioneringen, vil der selv i det sidste år som erhvervsaktiv være en skattemæssig gevinst ved opsparing i kapitalpension frem for kapitalindkomstskattepligtig opsparing. Opsparing på kapitalpension er derfor den finansielle opsparingsform, som har den laveste effektive marginale afkastbeskatning for alle tidspunkter i livet, hvis personen ikke betaler topskat på indbetalingstidspunktet, og hvis personens øvrige pensionsopsparing vil give anledning til modregning i pensionstillægget. 16 Tabel 4 viser reduktionen i den effektive marginale afkastbeskatning ved opsparing i livrente frem for kapitalpension, hvis personen bor i ejerbolig og har positiv kapital - indkomst under kr. Opsparing i kapitalpension reducerer den effektive afkastbeskatning med 3 pct. point i forhold til livrente for personer, der ikke betaler topskat. 16. I det omfang, det er muligt at fortage den marginale opsparing i form af opsparing i bolig, er den effektive marginale beskatning endnu lavere, jf. De Økonomiske Råd (2008a).

17 EFFEKTIV BESKATNING AF OPSPARINGSAFKAST I DANMARK 17 Det skal erindres, at såfremt kapitalpensionen ikke hæves ved pensionering, kan gevinsten forøges betragteligt, især ved indbetalinger sent i livet. Mens den mildere modregning af de sociale ydelser er tilstrækkelig til at sikre, at kapitalpension er den skattemæssigt mest attraktive opsparingsform for personer, som ikke betaler topskat, er dette ikke tilfældet for personer, som betaler topskat på indbetalingstidspunktet. Den højere fradragsret på livrenter betyder, at livrenter giver en markant lavere marginal effektiv beskatning end kapitalpension for disse indkomstgrupper. Resultatet gælder uafhængigt af, om pensionsindkomsten giver anledning til topskat eller ej. Imidlertid er det næppe det typiske billede, at personer med ejerbolig har positiv kapitalindkomst gennem hele livet. Hvis der i stedet betragtes personer med samme indkomstprofil som ovenfor, men med en negativ kapitalindkomst på over kr., er der en forøget skattemæssig tilskyndelse til at spare op i kapitalindkomstskattepligtige fordringer pga. den lavere rentefradragsret. Dette giver i regneeksemplerne også en indirekte forøgelse af den skattemæssige tilskyndelse til at anvende kapitalpension frem for livrente, fordi kapitalpensionen efter udbetaling konverteres til en skattepligtig opsparing. Jo senere i livet indbetalingen foretages, jo større reduktion i den effektive afkastbeskatning af kapitalpension opnås. For gruppen af personer, der på den ene side har høj gæld og på den anden side ikke betaler topskat, undervurderer eksemplerne den skattemæssige gevinst ved både kapitalindkomstskattepligtig opsparing og kapitalpension relativt til livrente. 4.4 Samspil mellem opsparing og boligstøtte Samspillet mellem reglerne for pensionsopsparing og boligstøttereglerne giver anledning til betydelige forskelle i den marginale effektive afkastbeskatning. Ved pen - sionsudbetalingen af livrenter modregnes boligydelsen som nævnt ikke blot som følge af afkastet, men også som følge af den del af udbetalingen, der fører til reduktion af formuen. Dermed kan bidraget til den marginale afkastbeskatning blive væsentligt højere end modregningsprocenten på de 22½ pct. Det gælder særligt for indbetalinger sent i arbejdslivet. På den anden side udløser indbetalinger til livrente potentielt for - øget boligsikring på det tidspunkt, hvor indbetalingen foretages, men dette er ikke tilfældet i de her bragte beregninger. Afslutningsvist betragtes derfor forskelle i den marginale effektive afkastbeskatning mellem forskellige opsparingsformer for personer, der har mulighed for at modtage boligstøtte. Der tages udgangspunkt i personer med en indkomst svarende til henholdsvis ufaglærte, faglærte, personer med kort og mellemlang videregående uddannede og personer med langvarig videregående uddannelse.

18 18 NATIONALØKONOMISK TIDSSKRIFT NR. 1 For personer med en indkomst svarende til medianindkomsten for ufaglærte er bidraget fra boligstøttereglerne til den effektive afkastbeskatning af opsparing i livrente på omkring 10 pct.point både ved indbetaling som 30-årig og som 60-årig. Ved indbetalinger foretaget mellem 40- og 50-års alderen er der kun en begrænset effekt fra boligstøtten på den effektive beskatning, fordi der i disse år opnås mest ekstra boligsikring som følge af indbetalingen. For alle aldersgrupper af ufaglærte lejere med positiv kapitalindkomst betyder denne mulighed for at opnå ekstra boligsikring på indbetalingstidspunktet, at bidraget til den effektive afkastbeskatning fra reduceret boligstøtte i pensionsalderen er mindre ved opsparing i en livrente end ved kapitalindkomstskattepligtig opsparing. Med skattereglerne i Forårspakke 2.0 er der en 40 pct. s effektiv afkastbeskatning ved indbetalinger til livrente foretaget af en 30-årig ufaglært lejer. Denne effektive skattesats er sammensat af bidrag fra pensionsafkastskatten på 15 pct.point, 22 pct.point fra aftrapning af pensionstillæg, 11 pct.point fra aftrapning af boligstøtten og en skattebesparelse på 8 pct.point som følge af det lavere pensionstillæg. Til sammenligning er den effektive afkastbeskatning ved kapitalindkomstskattepligtig opsparing på 58 pct. Som 60-årig er den effektive marginale afkastbeskatning af livrenter steget til 61 pct. sammensat af 15 pct.point fra pensionsafkastbeskatning, 60 pct.point fra modregning af pensionstillæg, 8 pct.point fra modregning af boligstøtte og en skattebesparelse på 22 pct.point fra nedtrapningen af pensionstillægget. Også dette er lavere end den tilsvarende beskatning af kapitalindkomstskattepligtig opsparing, som ifølge vore beregninger er på 67 pct. 17 For personer med en indkomst svarende til medianindkomsten for faglærte gælder ligeledes, at gevinsten ved den ekstra boligsikring på indbetalingstidspunkt dominerer tabet ved den ekstra modregning af boligydelsen på udbetalingstidspunktet, således at bidraget fra boligstøtten til den effektive marginale afkastskat er lavere ved en opsparing på livrente end ved en tilsvarende kapitalindkomstskattepligtig opsparing. Også for personer med dette indkomstniveau er effekten tilstrækkelig til at sikre, at der er et skattemæssigt incitament til at spare op i livrenter frem for i kapitalindkomstskattepligtig indkomst gennem hele livet. 18 Derimod betyder reglerne for boligstøtten, at den forøgede modregning i boligydelsen dominerer gevinsten ved forøget boligsikring for typepersonerne med korte, mellemlange og lange videregående uddannelser. Det skyldes, at disse gruppers indkomst som erhvervsaktive er for høj til, at der i tilstrækkeligt omfang kan opnås boligsikring 17. Hvis rentebetalingerne overstiger kr., er rentefradraget lavere. Den marginale direkte afkastbeskatning er i dette tilfælde 25½ pct. eller ca. 12 pct.point lavere end for personer med positiv kapitalindkomst. Fordi skatteværdien af rentefradraget er lav, giver skatteskattesystemet en tilskyndelse til at nedbringe den kapitalindkomstskattepligtige gæld frem for at spare op på pensionsordning, så længe renteudgifterne overstiger de kr.

19 EFFEKTIV BESKATNING AF OPSPARINGSAFKAST I DANMARK 19 Tabel 5. Reduktion i forventet effektiv afkastbeskatning ved kapitalpension frem for andre opsparingsformer, inklusiv boligstøtte (pct.point). Livrente Kapitalindkomstskattepligtig Alder Ufaglært Faglært KMVU LVU Ufaglært Faglært KMVU LVU ved indbetaling til en livrente. Boligstøttereglerne indebærer dermed, at den effektive afkastbeskatning efter Forårspakke 2.0 bliver højere ved indbetaling på en livrente end ved kapitalindkomstskattepligtig opsparing fra omkring 45 års alderen. 19 For begge grupper når EMETR ved en indbetaling til livrente som 60-årig op på 83 pct. ved reglerne efter Forårspakke 2.0. Den effektive skattesats er sammensat af følgende bidrag: modregning i boligstøtte 30 pct.point, modregning i pensionstillæg 60 pct.point, pensionsafkastbeskatning 15 pct.point og en skattebesparelse på 22 pct.point som følge af modregning i pensionstillæg. De særlige regler for kapitalpension indebærer, at indbetalinger kan give anledning til forøget boligsikring, mens udbetaling af kapitalpensionen ikke i sig selv påvirker boligydelsen. Det betyder, at kapitalpension bliver endnu mere fordelagtig for lejere, der ikke betaler topskat, end for ejere. I forhold til livrente er den effektive afkastbeskatning ved indbetalinger til kapitalpension mellem 10 og 30 pct. lavere for lejere, jf. tabel Konklusioner Den effektive afkastbeskatning af den skattemæssigt optimale pensionsopsparingsform er lavere for personer, som betaler topskat i den erhvervsaktive alder, end for personer med en indkomst under topskattegrænsen. Da indkomstgrænsen for topskattebetaling hæves efter Forårspakke 2.0 og skattereformen fra 2012, er beskatningens regressive element dog forskudt til et højere indkomstniveau og berører dermed en mindre del af befolkningen. For personer, der modtager boligstøtte, er der meget høje niveauer for den forventede effektive marginale beskatning af afkastet. Herudover er der for denne gruppe en 19. Hvis lejeren har høj gæld i hele restlevetiden, således at kapitalindkomstskattesatsen er 25½ pct., er der for disse typepersoner et skattemæssigt incitament til kapitalindkomstskattepligtig opsparing helt fra 30 års alderen.

20 20 NATIONALØKONOMISK TIDSSKRIFT NR. 1 væsentligt lavere afkastbeskatning ved opsparing i kapitalpension end i andre former for finansiel opsparing. Beregningerne i denne artikel illustrerer kompleksiteten i samspillet mellem aftrapningen af de sociale ydelser og skattesystemet. Indkomstafhængighed i de sociale ydelser forøger den effektive beskatning af afkastet af opsparing for personer, der ikke betaler topskat, mens fraværet af aftrapning i sociale ydelser for personer med høje indkomster i pensionsalderen trækker den marginale afkastbeskatning ned. Analysen afdækker en stor variation i den effektive afkastbeskatning på tværs af opsparingsformer, aldersgrupper og indtægtsintervaller. For personer med fuldt overblik over de gældende regler medfører skatte- og overførselssystemet således potentielt en tilsvarende forvridning af opsparingsvalget. For personer, der ikke fuldt ud kan overskue det komplekse samspil mellem skatter og overførsler, kan der samtidig opstå en uforudset merbeskatning, hvis de som følge af manglende overblik træffer et uhensigtsmæssigt opsparingsvalg. I begge situationer må der antages at opstå et velfærdstab. Det forekommer tvivlsomt, at de store forskelle i den effektive beskatning af forskellige opsparingsformer er fuldt tilsigtede af de politiske beslutningstagere. Analysen i denne artikel peger derfor på, at der kan være behov for et udredningsarbejde, som kan danne grundlag for et mere enkelt og overskueligt system for beskatning af opsparingsafkast i Danmark. I en situation, hvor der er et samfundsmæssigt ønske om, at en del af den finansieringsmæssige risiko ved forøget levetid bæres af private pen - sionsordninger, forekommer det hensigtsmæssigt i øget omfang at samtænke reglerne for aftrapning af de sociale ydelser med skattereglerne for de forskellige typer opsparing. Litteratur De Økonomiske Råd. 2008a. Dansk Økonomi, forår 2008, København. De Økonomiske Råd. 2008b. Dansk Økonomi, efterår 2008, København. Hansen, M. F. og M. L. Barington Danmarks fremtidige befolkning, Befolkningsfremskrivning Rapport, august DREAM, København Linaa, J. G., L. H. Pedersen og P. B. Sørensen (2010. Den effektive beskatning af opsparingsafkast i Danmark, Working Paper 2010:5, De Økonomiske Råd. LO LO s Pensionsreformudvalg: Forslag til en samlet pensionsreform, København. Pedersen, L. H., P. Stephensen and P. Trier A CGE Analysis of the Danish Ageing Problem, DREAM, København Velfærdskommissionen Fremtidens velfærd vores valg, bind I, København.

21 Nationaløkonomisk Tidsskrift 151 (2013): Arbejdsudbuddet blandt enlige mødre: Effekten af en 2-årig forsøgsordning Andreas Orebo Hansen Fonden Kraka og Københavns Universitet, Økonomisk Institut: mail: SUMMARY: This paper evaluates the impact of the Danish job prize scheme targeted long-term unemployed single parents on the labor force participation of single mothers. The persons eligible for the program are single parents with children who have been on welfare benefits for at least 47 weeks from the 3rd of August 2009 until the 2nd of August 2010 and is eligible for extra child allowances. The job prize amounts to 600 DKK. net of taxes per month. I identify the impact of the job prize scheme by comparing the change in participation rate for single mothers to the change in participation rate for single mothers who is not eligible for child allowances, and therefore not eligible for the job prize. I also analyze the impact compared to single women without children. Using a classical difference-in-differences approach, I find that the job prize scheme increases the accumulated extent of employment of single mothers by up to 6.1 weeks relative to that of single mothers who is not eligible for child allowances and up to 5.7 weeks relative to that of single women without children. The increase in the ac - cumulated extent of employment of single mothers corresponds to roughly 750 annual full-time employees. 1. Indledning Et centralt valg i udformningen af velfærdsprogrammer for lavindkomstpersoner er, om de bør gælde for alle personer med lave indkomster, eller kun lavtlønnede på arbejdsmarkedet de såkaldte working poor. I Europa og Skandinavien har velfærds - Udgangspunktet for nærværende papir er mit bachelorprojekt, som jeg skrev i efteråret Jeg vil rette en stor tak til Fonden Kraka, for at stille Danmarks Statistiks registre samt Beskæftigelsesministeriets DREAM-database til rådighed. Desuden en særlig tak til chefkonsulent, Dansk Arbejdsgiverforening Jonas Zielke Schaarup, Fonden Kraka og Forskningschef Esben Anton Schultz, Fonden Kraka, for konstruktiv diskussion og sparring igennem hele processen. Endelig vil jeg rette en stor tak til min vejleder, professor Claus Thustrup Krei ner, for kommentarer og vejledning samt professor Michael Rosholm og professor Michael Svarer for nyttige kommentarer og forslag til analysen.

22 22 NATIONALØKONOMISK TIDSSKRIFT NR. 1 politikken typisk haft som målsætning at garantere et minimum af muligheder for alle individer inklusiv dem som ikke er i beskæftigelse. I modsætning til dette, har de angelsaksiske lande typisk brugt en relativt stor andel af udgifterne til overførsler på såkaldte in-work benefit programs, hvor målet er at støtte de lavtlønnede på arbejdsmarkedet. Mange velfærdsydelser i USA er desuden betinget af hjemmeboende børn, eller andre (mere eller mindre) eksogene karakteristika. Denne type velfærdsprogrammer benævnes tagging i den engelsksprogede litteratur, og blev første gang analyseret af George Akerlof (1978). Der er typisk to former for målretning af velfærdsydelser. Den ene målretning er baseret på eksogene personlige karakteristika, dvs. karakteristika som personerne ikke selv vælger eller ikke selv har mulighed for at påvirke gennem deres valg. Hvis det er muligt at identificere eksogene karakteristika som adskiller lavindkomst- fra højindkomstgrupper, kan disse bruges til at omfordele på en effektiv måde. Eksempelvis er relativt mange i lavindkomstgruppen enlige forældre. 1 Ved at basere tildelingen af ydelser på baggrund af disse karakteristika, kan man potentielt reducere adfærdseffekterne af ydelserne og dermed skabe et mere gunstigt trade off mellem effektivitet og lighed. En anden form for målretning af velfærdsydelser baserer sig på deltagelsesstatus på arbejdsmarkedet, dvs. working poor-politikker. Ideen bag denne type velfærdsprogrammer er at bekæmpe fattigdom ved at øge incitamentet til at arbejde, og her - igennem øge beskæftigelsen blandt lavindkomstgrupper. Målretning af overførsler forbedrer graden af omfordeling per krone, såfremt den pågældende gruppe er overrepræsenteret i bunden af indkomstfordelingen. Ved at lade ydelsen være tilknyttet eksogene karakteristika som er negativt korreleret med (potentiel) indkomst, vil den målrettede politik være i stand til at omfordele mere per krone i effektivitetstab. Ved at bruge politikker som er målrettet bestemte demografiske karakteristika i befolkningen, er det således muligt at sænke»prisen på lighed«. Dette kaldes tagging-gevinster. Enlige forældre er et eksempel på en gruppe, som er over - repræsenteret i bunden af indkomstfordelingen (se figur A1 i appendiks). Ved at mål - rette ydelser til denne gruppe, bør det være muligt at opnå tagging-gevinster. Prisen på lighed kan potentielt set være særlig lav ved at lade politikken afhænge af både demografiske karakteristika og beskæftigelsesstatus. Målrettes velfærdspolitikken i begge dimensioner, kan man opnå effektivitetsgevinster, hvis de berørte grupper har højere deltagelseselasticiteter end andre demografiske grupper. Figur A1 i appendiks sammenligner deltagelsesskatterne for enlige forældre og for alle personer i Danmark. Det er værd at bemærke, at deltagelsesskatten for enlige forældre er væsentligt højere end gennemsnittet i bunden af lønindkomstfordelingen. På den baggrund er der således 1. At få børn er selvfølgelig ikke et eksogent karakteristika, men idéen er at udnytte karakteristika, som er mindre følsomme mht. økonomiske incitamenter end indkomst.

23 ARBEJDSUDBUDDET BLANDT ENLIGE FORSØRGERE 23 potentiale for store effektivitetsgevinster ved fordelingspolitik målrettet enlige for - ældre, som er i beskæftigelse. Der har i de senere år været flere eksempler på, at man også i Danmark har indført politikker, der kombinerer working poor-dimensionen med tagging. Blandt eksemplerne er det differentierede beskæftigelsesfradrag, som introduceredes i skattereformen fra 2012 med virkning fra 2014, som giver enlige forsørgere et ekstra beskæf - tigelsesfradrag. Et andet eksempel er jobpræmieordningen målrettet mod langvarige kontanthjælpsmodtagere, som er gældende i to år fra 1. juni Et tredje eksempel er jobpræmieordningen målrettet langtidsledige enlige forsørgere. Ordningen indebærer, at langtidsledige enlige forsørgere, der finder beskæftigelse, opnår en skattefri præmie på op til 600 kr. om måneden. I nærværende papir evalueres arbejdsudbudseffekten af jobpræmieordningen målrettet langtidsledige enlige forsørgere. Jobpræmieordningen er en to-årig forsøgsordning, der trådte i kraft 1. januar Målet med jobpræmieordningen er at sikre,»at alle har en gevinst ved at vælge et liv på arbejdsmarkedet«. 2 Personerne, som er omfattet af jobpræmieordningen, har typisk en beskeden økonomisk gevinst ved at vælge beskæftigelse frem for ledighed, da ydelser som f.eks. boligstøtte bliver aftrappet med indkomsten. Ordningen har således til hensigt at øge det såkaldte forskels - beløb for den berørte gruppe og derved øge det økonomiske incitament til at finde beskæftigelse frem for at være på passiv forsørgelse. For eksemplets skyld kan vi betragte en repræsentativ person berettiget til jobpræmien: En enlig forsørger med dagpenge i lejebolig med to børn på henholdsvis 2 og 5 år og en disponibel indkomst efter hus - leje og daginstitutionsbetaling på ca kr. Hvis denne person kommer i beskæf - tigelse til en månedlig lønindkomst på kr., vil personen opnå en stigning i disponibel indkomst på 830 kr. Med en jobpræmie på 600 kr. øges denne gevinst ved beskæftigelse således til kr. om måneden svarende til, at gevinsten ved beskæf - tigelse øges med ca. 70 pct. i forhold til gældende regler, 2010-lovgivning, Finans - ministeriet (2010). Der er således tale om en relativt stor ekstra gevinst for de berørte. I analysen identificeres effekten af jobpræmieordningen ved at sammenligne ændringen i det akkumulerede beskæftigelsesomfang for enlige mødre med ændringen i det akkumulerede beskæftigelsesomfang for enlige mødre, som ikke er berettiget til børnetilskud og derfor ikke er omfattet af ordningen. Endvidere analyseres effekten sammenlignet med enlige ikke-forsørgere. Til analysen benyttes en difference-indifferences tilgang, og jeg finder, at jobpræmieordningen har øget det akkumulerede beskæftigelsesomfang for enlige mødre med op til 6,1 uger relativt til enlige mødre, som ikke er berettiget til børnetilskud og med op til 5,7 uger relativt til enlige ikke-forsørgere. 2. Forslag til lov om 2 årig forsøgsordning om jobpræmie til enlige forsørgere.

24 24 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Den resterende del af papiret er inddelt i følgende afsnit: I afsnit 2 gennemgår jeg den eksisterende litteratur på området. I afsnit 3 beskriver jeg jobpræmieordningen og redegør for evalueringsestimatoren og de identificerende antagelser, og på baggrund af dette motiveres valg af empirisk model. Desuden motiveres valget af kontrolgrupper, hvorefter jeg beskriver de strukturelle forskelle mellem behandlingsgruppen og de valgte kontrolgrupper. I afsnit 4 præsenterer jeg mine empiriske resultater for beskæftigelseseffekten af jobpræmieordningen, og i afsnit 5 konkluderer jeg og diskuterer perspektiverne ved en permanent implementering af jobpræmieordningen. 2. Empiriske analyser af deltagelseseffekter for enlige forsørgere I den empiriske litteratur er der konsensus om, at deltagelseseffekterne blandt enlige forsørgere ved ændringer i deltagelsesskatten er betydelige. Et centralt bidrag i litteraturen er Eissa og Liebman (1996), som evaluerer arbejdsudbudseffekterne blandt enlige forsørgere af den amerikanske 1986-skattereform, navnlig udvidelsen af Earned Income Tax Credit (EITC). De finder, at arbejdsudbuddet blandt enlige kvinder med børn steg med 2,8 pct.-point relativt til enlige kvinder uden børn som følge af skattereformen. Denne effekt kan omsættes til en elasticitet på omkring 0,6 for enlige mødre med lav uddannelse. Meyer og Rosenbaum (2001) evaluerer ligeledes effekterne på arbejdsudbuddet for enlige forsørgere, men udnytter variationen fra alle fire amerikanske skattereformer i perioden De finder, at over 60 pct. af stigningen i beskæftigelsen for en - lige mødre i perioden kan tilskrives EITC og ændringen i andre skatter. Studierne af Eissa og Liebman (1996) og Meyer og Rosenbaum (2001) dokumenterer således, at EITC-udvidelsen i 1986 har haft store effekter på arbejdsmarkedsdeltagelsen blandt enlige mødre i USA. Ligesom EITC i USA, var Working Families Tax Credit (WFTC) i England designet til at flytte enlige mødre fra velfærdsydelser til beskæftigelse. Blundell m.fl. (2000) viser, at denne reform havde succes i forhold til at opnå dette mål. Således finder de, at reformen medførte en relativ stigning i beskæftigelsesgraden blandt enlige mødre med 2,2 pct.-point (svarende til 5 pct.). Et andet interessant studie er Michalopoulos m.fl. (2005), som dokumenterer resultaterne af det canadiske Self Sufficiency Programme (SSP). Dette var i høj grad konstrueret på samme måde som EITC og WFTC. Det interessante ved netop dette studie er, at det blev udført som et randomiseret eksperiment og ikke som en typisk politikreform. Det var således et perfekt setup til at estimere arbejdsudbudseffekterne. Michalopoulos m.fl. finder, at lønpræmien fra SSP ved at finde beskæftigelse øgede fuldtidsbeskæftigelsen for den behandlede gruppe med 12 pct.-point relativt til kontrolgruppen i 9. kvartal efter ordningens ikrafttræden. Det bør i denne sammenhæng be-

25 ARBEJDSUDBUDDET BLANDT ENLIGE FORSØRGERE 25 mærkes, at ordningens udformning gav anledning til en såkaldt delayed exit effect hos den behandlede gruppe, som i det første år efter ordningens ikrafttræden havde en lavere afgangsrate fra velfærdsydelser end kontrolgruppen. Årsagen til dette må ses som resultat af, at personerne i behandlingsgruppen havde et større incitament til at forblive på offentlig forsørgelse, for således at blive berettiget til jobpræmien. Card og Robbins (1998) har ligeledes evalueret det canadiske eksperiment, og finder, at beskæf - tigelsesgraden for behandlingsgruppen blev næsten fordoblet relativt til kontrolgruppen. Eissa m.fl. (2007) finder på baggrund af en evaluering af fire amerikanske skattereformer, at disse har skabt store efficiensgevinster via deltagelsesresponserne for enlige mødre. Litteraturen på området er omfattende for de angelsaksiske lande, hvorimod den er relativt begrænset for de kontinentaleuropæiske lande. Man kan dog nævne et par artikler. Piketty (1998) analyserer introduktionen af en godtgørelse til ikke-arbejdende kvindelige ægtefæller og finder store deltagelseseffekter med elasticiteter i størrelsesordenen 0,6-1,0 for kvinder med unge børn. Van Soest (1995) og Van Soest m.fl. (2002) finder substantielle elasticiteter for kvinder i intervallet 0,5-1,0 i en strukturel model for Holland. Mogstad og Pronzato (2009) analyserer effekterne af en større velfærdsreform i Norge målrettet enlige mødre og finder, at reformen både øgede den disponible indkomst og arbejdsmarkedstilknytningen blandt de enlige mødre. På baggrund af ovenstående må man konstatere, at litteraturen peger på betydelige deltagelseseffekter hos kvinder, herunder enlige mødre. 3. Jobpræmieordningen, empirisk strategi og data 3.1 Beskrivelse af jobpræmieordningen Den formelle begrundelse for jobpræmieordningen for enlige forsørgere er at sikre,»at alle har en gevinst ved at vælge et liv på arbejdsmarkedet«. For den berørte gruppe vil der typisk»kun være en lille økonomisk fordel ved at tage arbejde, bl.a. fordi de mister boligstøtte eller hel eller delvis friplads til daginstitution, når de får job«. 3 Job - præmieordningen udnytter begge de ovenfor nævnte former for målretning af vel færds - ydelser. For at modtage jobpræmien skal man således både være enlig forsørger tagging-aspektet og være i beskæftigelse working poor-aspektet. Målgruppen for jobpræmieordningen er personer, der var enlige forsørgere og berettiget til og modtog ekstra børnetilskud 4 den 2. august Personer, som ophører med at være enlige forsørgere efter denne dato er stadig i målgruppen for ordningen. 3. Forslag til lov om 2 årig forsøgsordning om jobpræmie til enlige forsørgere. 4. Ekstra børnetilskud ydes sammen med ordinært børnetilskud til enlige forsørgere, der har barnet hos sig.

26 26 NATIONALØKONOMISK TIDSSKRIFT NR. 1 i kvalifikationsvinduet fra den 3. august 2009 til og med 2. august 2010 i mindst 47 uger helt eller delvist har fået løn fra ansættelse i løntilskud eller modtaget én eller flere af følgende ydelser: Arbejdsløshedsdagpenge, kontanthjælp, sygedagpenge, revalideringsydelse mv. Jobpræmien udgør 4 pct. af den indberettede månedlige A-indkomst. Præmien er skattefri og kan maksimalt udgøre 600 kr. om måneden dvs. 4 pct. af indkomster op til kr. Personer med selvstændig virksomhed får et fast skattefrit beløb på 600 kr. i jobpræmie om måneden. Jobpræmien indgår ikke i beregningen af, hvor meget man kan få i offentlige ydelser som f.eks. boligstøtte eller tilskud til daginstitutionsplads. Ordningen trådte i kraft den 1. januar 2011 og gælder i to år frem. Alle personer, som er kvalificeret til ordningen, burde have modtaget et brev om ordningen fra bopælskommunen inden ordningen trådte i kraft og må således antages at være bekendte med ordningen (se brevet i appendiks A6). I tilfælde af, at ikke alle personer har læst og forstået brevets indhold, kan dette være en kilde til undervurdering af ordningens beskæftigelseseffekt. 5 Ordningens udformning indebærer, at rådighedsbeløbet for en person, der ikke er i beskæftigelse, er uændret som følge af ordningens implementering. Derfor vil en person, som var i beskæftigelse før indførelsen af ordningen, stadig foretrække at være i beskæftigelse. Desuden vil nogle personer uden for arbejdsmarkedet muligvis finde jobpræmien attraktiv nok til at træde ind på arbejdsmarkedet. Jobpræmieordningen har således alt andet lige en utvetydig positiv effekt på beskæftigelsesgraden for den berørte gruppe. Målgruppen for forsøget er objektivt beskrevet og er afgrænset på en sådan måde, at ingen enlige forsørgere på forhånd har kunnet indrette sig på forsøgsordningen. Det betyder, at man kan se bort fra eventuel selvselektionsbias i analysen, og at den behandlede gruppe består af de samme personer over tid. Forslaget til jobpræmien målrettet enlige forsørgere blev præsenteret på Venstres sommergruppemøde allerede den 6. august Derfor kan man forestille sig, at adfærden blandt de berørte af ordningen har ændret sig med udsigten til en større økonomisk gevinst ved at finde beskæftigelse. Man bør derfor være opmærksom på, at medieomtalen, da ordningen første gang blev præsenteret (se figur A3 i appendiks), kan have givet anledning til annonceringseffekter i forhold til jobpræmieordningen. Ordningen kan med andre ord have haft en effekt på beskæftigelsen for den berørte gruppe, allerede inden den blev implementeret. For at tage højde for denne potentielle effekt, 5. I forbindelse med implementeringen af jobpræmieordningen målrettet langvarige kontanthjælpsmodtagere med virkning fra 1. juni 2012 blev alle de berørte indkaldt til samtale med de relevante myndigheder, og således havde adviseringen om jobpræmieordningen her en mere direkte karakter.

27 ARBEJDSUDBUDDET BLANDT ENLIGE FORSØRGERE 27 har jeg valgt at analysere beskæftigelseseffekterne af ordningen allerede fra annonceringstidspunktet. Da gruppen alene består af enlige forsøgere, ser jeg i analysen bort fra den even - tuelle fælles arbejdsudsbudsbeslutning, der sker inden for familien. 6 Man bør dog være opmærksom på, at børnene også kan påvirke den fælles arbejdsudbudsbeslutning, men denne effekt antages at være af et negligeabelt omfang. 3.2 Difference-in-differences estimatoren og de identificerende antagelser Mit mål er at undersøge beskæftigelseseffekterne af jobpræmieordningen målrettet langtidsledige enlige forsørgere. Jeg ønsker med andre ord at estimere en behandlingseffekt, dvs. beskæftigelseseffekten af at være omfattet af jobpræmieordningen. Det relevante spørgsmål, der ønskes besvaret, er, hvordan de behandlede personer ville have klaret sig, hvis de ikke havde modtaget behandlingen. Metoden i evalueringsanalyser til at formalisere et sådant problem, er den såkaldte Roy-Rubin-model, Roy (1951), Rubin (1974). 7 Jeg har valgt at estimere beskæftigelseseffekten af jobpræmieordningen med en difference-in-differences estimator (diff-in-diff). Denne tilgang er meget udbredt i evalueringslitteraturen, se eksempelvis Eissa og Liebman (1996), Mogstad og Pronzato (2009) og Meyer og Rosenbaum (2001). Udgangspunktet er, at man observerer udfaldet for to grupper af personer i to perioder. Én af grupperne udsættes for en behandling i den anden periode, men ikke i den første (behandlingsgruppen). Den anden gruppe udsættes ikke for behandling i nogen af perioderne (kontrolgruppen). Med gentagne tværsnitsdata kan modellen skrives som: E it = + 0 Treat i + 1 Post t + 2 (Treat Post) it + it hvor Treat i =1 for personer i behandlingsgruppen og Treat i = 0 for personer i kontrolgruppen, Post t = 1 efter implementeringen og Post t = 0 før implementeringen og (Treat Post) it = 1, hvis personen er i den behandlede gruppe og tidspunktet er efter reformen ellers er (Treat Post) it = 0. Effekten af politikken bliver fanget af 2. Beskæftigelsen kan variere på tværs af den behandlede gruppe og kontrolgruppen, men kun som følge af en tidsinvariant fixed effect, som bliver fanget i 0. Ligeledes kan beskæftigelsen variere over tid som følge af andre effekter end politikken, hvilket bliver fanget i 1, såfremt effekten på de to grupper har samme fortegn. Diff-in-diff-estimatet bliver således: 6. Hvis ordningen omfattede familier med to forældre, så ville præmien gennem en indkomsteffekt muligvis reducere sandsynligheden for, at personen med den laveste indkomst ville søge beskæftigelse. 7. Jf. Caliendo og Kopeinig, 2005.

28 28 NATIONALØKONOMISK TIDSSKRIFT NR. 1 E = E Post TG E Pre TG E Post CG E Pre CG = ^1 + ^2 ^1 = ^2 Diff-in-diff-tilgangen hviler på to identificerende antagelser: (A1) at tidseffekten er identisk på tværs af grupperne, dvs. at grupperne følger den samme underliggende trend (parallel trend-antagelsen), og (A2) at der ikke sker ændringer i den strukturelle sammensætning af de to grupper over tid. (A1) kan undersøges ved en grafisk inspektion (jf. nedenfor). Da den behandlede gruppe i nærværende tilfælde er eksogent af - grænset, er (A2) opfyldt per definition. Som et robusthedstest, estimeres modellen med to forskellige kontrolgrupper samt en række forskellige forklarende variable og specifikationer og på forskellige subsamples. 3.3 Identifikation af kontrolgrupper Udfordringen i forbindelse med at identificere en god kontrolgruppe er at komme så tæt på tilfældig udvælgelse som muligt. Det vil sige, at identificere en gruppe af personer, som ligner behandlingsgruppen mest muligt, givet afgrænsningen af behandlingsgruppen. I sidste ende afhænger kvaliteten af resultaterne af, hvorvidt man stoler på valget af kontrolgrupper. Det er derfor helt centralt for analysen, at de valgte kontrolgrupper sikrer, at de identificerende antagelser synes gyldige. Som del af argumentationen for valg af mine kontrolgrupper, vil jeg derfor foretage en grafisk inspektion af, hvorvidt parallel trend-antagelsen synes opfyldt. Der er flere muligheder for udvælgelse af kontrolgrupper. På baggrund af job - præmieordningens beskrivelse, er der to oplagte dimensioner til afgrænsning af kontrolgrupperne, henholdsvis krav til ledighedsperiode og demografiske karakteristika. Jeg har valgt at benytte to kontrolgrupper til den empiriske analyse. Fordelen ved at have flere kontrolgrupper er, at det gør det muligt at sammenligne resultater. Dette kan være et nyttigt robusthedstest for, at jeg estimerer den faktiske effekt af jobpræmieordningen og ikke blot forskelle i trends imellem den behandlede gruppe og kontrolgruppen eller stød, som påvirker grupperne forskelligt. I sidste ende afhænger troværdigheden af mine resultater således af konsistensen i mine estimater på tværs af forskellige kontrolgrupper, snarere end af ét estimat. Kontrolgrupper betinget på ledighedsperiode Når det skal vurderes, hvorvidt jobpræmieordningen har haft en beskæftigelses - effekt på de langtidsledige enlige forsørgere, er det oplagt at sammenligne beskæf - tigelsesgraden for enlige forsørgere som akkurat opfyldte kravene til ledighed med en-

29 ARBEJDSUDBUDDET BLANDT ENLIGE FORSØRGERE 29 lige forsørgere, som akkurat ikke opfyldte kravene til ledighed. Det er nemlig, som nævnt, varigheden af ledigheden, som afgør hvem der er berettiget til jobpræmien. Der er dog et problem forbundet med denne afgræsning. For at kunne sammenligne de to grupper direkte, forudsætter det, at det eneste, der adskiller de to grupper, er job - præmien når der er kontrolleret for observérbare, personlige karakteristika vel at mærke. I tilfælde af at der er andre uobserverede faktorer, som adskiller de to grupper, kan man ikke være sikker på, at en eventuel forskel i udviklingen i beskæftigelsesgraderne skyldes jobpræmieordningen. Man må forvente, at jo større forskel der er i ledighedsperiode mellem de to grupper, jo større er chancen for, at den eventuelle forskel i udviklingen i beskæftigelsesgraderne skyldes uobservérbar heterogenitet. Derfor vil det være optimalt at følge beskæftigelsesudviklingen over den samme tidspe - riode for en gruppe, der var ledige i 46 uger og en gruppe der var ledige i 47 uger i kvalifikationsvinduet (3. august 2009 til 2. august 2010). På denne måde vil man minimere risikoen for, at den eventuelle forskel skyldes uobservérbar heterogenitet. Effekten af jobpræmieordningen vil således være forskellen i beskæftigelsgraden mellem de to grupper på et givet tidspunkt, f.eks. 1. januar 2012, eller over en given tidsperiode. Problemet ved denne identifikationsstrategi er, at grupperne vil indeholde meget få observationer. Dette kan eksempelvis løses ved at sammenligne personer med ugers ledighed med personer, der har en ugers ledighedsperiode. En anden mulig måde at afgrænse kontrolgruppen på, er at udregne det gennemsnitlige antal uger, behandlingsgruppen har været berørt af ledighed over de sidste tre år, dvs. perioden 2008 til På baggrund af dette kan man konstruere et interval rundt om gennemsnittet (eksempelvis +/- 4 uger) og benytte dette til at udpege forsørgere, som har haft en tilsvarende ledighedsperiode de sidste tre år, men som ikke er i den behandlede gruppe. Kontrolgrupper betinget på demografiske karakteristika En anden måde at afgrænse kontrolgruppen på, er at benytte et eksogent demografisk karakteristikum. Eftersom berettigelse til børnetilskud er en forudsætning for at være kvalificeret til jobpræmien, kan man lade enlige forsørgere med hjemmeboende børn, som ikke er berettiget til børnetilskud, være kontrolgruppe. Det eneste som adskiller behandlingsgruppen og kontrolgruppen vil således være, hvorvidt de er beret - tiget til børnetilskud, dvs. alderen på forsørgernes børn. I behandlingsgruppen vil forsørgernes børn således være under 18 år og i kontrolgruppen er børnene mellem 18 og 25 år (men dog stadig hjemmeboende). At kontrolgruppen består af enlige forsørgere med børn i alderen 18 til 25 år har den implikation, at personerne i denne gruppe typisk er ældre end personerne i behandlingsgruppen (se tabel A1 i appendiks). Personerne i denne gruppe må samtidig forventes at have en deltagelsesskat, der i gennem-

30 30 NATIONALØKONOMISK TIDSSKRIFT NR. 1 snit er lavere end personerne i behandlingsgruppen, blandt andet fordi de ikke aftrappes i betaling til daginstitution. For at mindske forskellen i deltagelsesskatten mellem de to grupper, bør man derfor også sammenligne beskæftigelseseffekterne af job - præmieordningen for den del af behandlingsgruppen, som har børn mellem 15 og 17 år med den del af kontrolgruppen, som har børn mellem 18 og 20 år. En anden mulighed for valg af kontrolgruppe på baggrund af eksogene karakteristika er at udvælge personer, som opfylder kravet til ledighedsperiode, men adskiller sig på forsørgerstatus. Man får således en gruppe bestående af enlige kvinder, som ikke er forsørgere. Personerne i denne gruppe modtager selvsagt ikke børnetilskud, og må derfor forventes at have en noget lavere deltagelsesskat end behandlingsgruppen. Dermed er beslutningen om deltagelse på arbejdsmarkedet også en væsentlig anden. Sammenligningen med denne gruppe kan dog være et nyttigt robusthedstjek. Valg af kontrolgrupper Figur 1 viser udviklingen og niveauerne for beskæftigelsesgraden for behandlingsgruppen og de fire kontrolgrupper, som blev skitseret ovenfor. Af (A) fremgår det tydeligt, at de to kontrolgrupper som er afgrænset på baggrund af ledighedsperiode, ikke opfylder parallel trend-antagelsen. Begge grupper har således haft en markant højere stigning i beskæftigelsesgraden i året op til annonceringstidspunktet. De to kontrolgrupper, som er afgrænset på baggrund af demografiske karakteristika enlige forsørgere som ikke berettiget til børnetilskud og enlige ikke-forsørgere ser derimod ud til at opfylde parallel trend-antagelsen. Ligeledes fremgår det af (B), at niveauerne for beskæftigelsesgraderne for kontrolgrupperne afgrænset på demografiske karakteristika, stemmer bedre overens med behandlingsgruppen. Dette er en yderligere indikation af, at disse grupper i højere grad ligner behandlingsgruppen. De to figurer giver mig anledning til at tro, at de identificerende antagelser er opfyldt. Derfor benytter jeg følgende to kontrolgrupper: (1) enlige forsørgere, som ikke er berettiget til børnetilskud og (2) enlige ikke-forsørgere Beskrivelse af data Analysen bygger på en fuldtælling af den danske befolkning over perioden De benyttede variable stammer fra i alt fem forskellige registre. De første fire registre, person-, indkomst-, familie- og uddannelsesregistret, administreres alle af Danmarks Statistik. Det femte register er Beskæftigelsesministeriets DREAM-data - base. Herudover benyttes Arbejdsmarkedsstyrelsens administrative opgørelse over de personer, som indgår i forsøget, og som altså udgør den eksakte målgruppe for forsøget 8. Kontrolgrupperne opfylder naturligvis også kravet til ledighed på mindst 47 uger i kvalifikationsvinduet, men af hensyn til læsevenligheden vil jeg undlade at eksplicitere dette forhold herfra.

31 ARBEJDSUDBUDDET BLANDT ENLIGE FORSØRGERE 31 Indeks, 2008M1 = 100 (A) Udvikling Indeks, 2008M1 = Annoncering 6. august Enlig forsørgere ikke berettiget til børnetilskud Enlige ikke-forsørgere Kvindelige forsørgere, samme ledighed Enlig forsørgere berettiget til børnetilskud Enlige forsørgere, ledige mellem 40 og 46 uger Pct (B) Niveau Annoncering 6. august Pct Enlig forsørgere ikke berettiget til børnetilskud Enlige ikke-forsørgere Kvindelige forsørgere, samme ledighed Enlig forsørgere berettiget til børnetilskud Enlige forsørgere, ledige mellem 40 og 46 uger Figur 1. Udvikling og niveau i beskæftigelsesgrader for potentielle kontrolgrupper. Anm.: Første datoobservation for beskæftigelsesgraden (januar 2008) er sat lig 100 i (A). Kilde: Egne beregninger på Danmarks Statistiks registre samt DREAM-registret.

32 32 NATIONALØKONOMISK TIDSSKRIFT NR. 1 (og som ligeledes er de personer, som er blevet orienteret om ordningen per brev). I analysen benyttes Danmarks Statistiks E-familiedefinition. 9 Beskæftigelsen opgøres på ugeniveau på baggrund af DREAM-registret. Kravet for beskæftigelse er, at der er betalt arbejdsmarkedsbidrag af lønindkomsten i den pågældende uge. Jeg har valgt alene at fokusere på kvinderne i analysen. 10 Dette er gjort for at mindske de strukturelle forskelle mellem behandlingsgruppen og kontrolgrupperne, og dermed sikre, at den estimerede effekt ikke skyldes kønsforskelle. Man bør i denne sammenhæng bemærke, at konsekvensen ved denne selektion er, at resultaterne bliver mindre generelle. Til gengæld må man forvente, at den estimerede effekt bliver stærkere. I tabel A1 i appendiks præsenteres beskrivende statistik for behandlingsgruppen og kontrolgrupperne. Kolonne 1 præsenterer en karakteristik af enlige forsørgere som er berettiget til børnetilskud (behandlingsgruppe), kolonne 2 giver en karakteristik af som ikke er berettiget til børnetilskud (kontrolgruppe 1) og kolonne 3 giver en karakteristik af enlige ikke-forsørgere (kontrolgruppe 2). Grupperne består af henholdsvis , og personer. Der er en række forskelle mellem grupperne som man bør være opmærksom på. Forsørgerne er i gennemsnit yngre og mindre uddannede end ikke-forsørgerne (59,1 pct. med grundskole som højest fuldførte uddannelse i behandlingsgruppen relativt til hhv. 54,6 pct. og 50,7 pct. i kontrolgrupperne). Desuden har forsørgerne, som er berettiget til børnetilskud, i gennemsnit 0,3 børn (under 25 år) flere end forsørgerne, som ikke er berettiget til børnetilskud. Andelen af indvandrere er væsentligt højere i behandlingsgruppen end i kontrolgrupperne (27,4 pct. relativt til hhv. 18,5 pct. og 11,9 pct.), og andelen af kontanthjælpsmodtagere er ligeledes højere (72,4 pct. relativt til hhv. 56,0 pct. og 53,1 pct.). Lønindkomsten er signifikant lavere for forsørgerne end ikke-forsørgerne, hvilket blandt andet må antages at hænge sammen med, at de i gennemsnit har en længere uddannelse, samt at de modtager mere i boligstøtte og børnetilskud. I tabel 1 præsenteres en karakteristik af ledighedsforløbet for behandlings- og kontrolgrupperne. Som det fremgår, har ledighedsperioden for behandlingsgruppen været henholdsvis 0,1 og 0,7 uger længere end for kontrolgrupperne i Ligeledes var ledighedsperioden i kvalifikationsvinduet henholdsvis 0,0 og 0,3 uger længere for behandlingsgruppen end for kontrolgrupperne. Disse forskelle synes at være relativt beskedne. Andelen af helårsledige i kvalifikationsvinduet i behandlingsgruppen var henholdsvis 3,5 og 7,2 pct.-point højere end for kontrolgrupperne, og desuden var ledighedsperioden fra 2008 til 2010 henholdsvis 8,5 og 9,0 uger længere for behandlings- 9. En E-familie består af en enlig eller et par med eller uden børn. Hjemmeboende børn regnes med til deres forældre, hvis de bor på samme adresse som mindst én af forældrene, er under 25 år, aldrig har været gift, ikke selv har børn og ikke er part i samboende par. 10. Mændene udgjorde personer i behandlingsgruppen, svarende til 11 pct.

33 ARBEJDSUDBUDDET BLANDT ENLIGE FORSØRGERE 33 Tabel 1. Karakteristik af ledighedsforløb for behandlings- og kontrolgrupperne. Behandlingsgruppe: Kontrolgruppe 1: Kontrolgruppe 2: Enlige forsørgere Enlige forsørgere Enlige ikke-forsørgere berettiget til børnetilskud ikke berettiget til børnetilskud Mean Median Mean Median Mean Median Ydelser i 2010 (uger) 49, , ,5 52 Ydelser i (uger) 136, , Fordeling af ledighedsforløb i kvalifikationsvinduet uger (%) 25,2 28,7 32,4 53 uger (%) 74,9 71,3 67,6 Antal uger (gns.) 52,0 52,0 51,7 Antal personer Anm.: En udtømmende tabel med deskriptiv statistik på de tre grupper forefindes i appendiks. Da 2009 er skudår, er der 53 uger i kvalifikationsvinduet. Kvalifikationsvinduet er perioden fra 3. august 2009 til 2. august Kilde: Egne beregninger på Danmarks Statistiks registre samt DREAM-registret. gruppen end for kontrolgrupperne. Disse forskelle afspejler blandt andet, at personerne i behandlingsgruppen frem til jobpræmieordningens ikrafttræden har haft en svagere tilknytning til arbejdsmarkedet end kontrolgrupperne. Af figur A5 i appendiks fremgår det endvidere, at behandlingsgruppen i højere grad har været på offentlig forsørgelse end kontrolgrupperne i perioden De strukturelle forskelle mellem grupperne antyder, at man bør være forsigtig med at drage umiddelbare konklusioner på baggrund af udviklingen i beskæftigelsesgraderne over tid, da disse forskelle kan skyldes chok som påvirker folk med én slags karakteristika anderledes end folk med en anden slags karakteristika. Således er kontrol for demografiske forskelle afgørende for min analyse. Kun hvis resultaterne er konsistente på tværs af forskellige modelspecifikationer, vil jeg få et robust resultat. 4. Empiriske resultater 4.1 Basale beskæftigelseseffekter af jobpræmieordningen Figur 2 viser udviklingen i beskæftigelsesgraderne for behandlingsgruppen og kontrolgrupperne. Beskæftigelsesgraden for behandlingsgruppen er steget med 6,7 pct.- point (fra 4,2 pct. til 10,9 pct.) knap 22 måneder efter ordningen trådte i kraft. I forhold til annonceringstidspunktet er beskæftigelsesgraden steget med 9,6 pct.-point. Beskæftigelsesgraden for behandlingsgruppen er steget henholdsvis 0,5 pct.-point og 0,6 pct.-point relativt til kontrolgrupperne 22 måneder efter annonceringstidspunktet.

34 34 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Pct Annoncering 6. august 2010 Pct Implementering: 1. januar Enlige forsørgere, ingen børnetilskud Enlige forsørgere Enlige ikke-forsørgere Figur 2. Beskæftigelsgraden for behandlings- og kontrolgrupperne. Anm.: Beskæftigelseskravet er, at der er betalt arbejdsmarkedsbidrag af lønindtægten i et givent år og uge. Kilde: Egne beregninger på Danmarks Statistiks registre samt DREAM-registret. Som det fremgår af figur 2, så har gruppen af enlige forsørgere en lavere beskæftigelsesgrad end de to kontrolgrupper, men at denne forskel er blevet indsnævret de sidste to år. Dette kan altså indikere, at ordningen har haft en positiv effekt på beskæftigelsesomfanget for enlige forsørgere. Man bør dog være opmærksom på, at der her ikke er kontrolleret for demografiske forskelle på tværs af grupperne. Hvis der fortsat er signifikante forskelle i ændringen i beskæftigelsesgraderne, efter der er kontrolleret for observerbare forskelle, må dette forstås som beskæftigelseseffekten af jobpræmieordningen. 4.2 Regressionsresultater af ordningens beskæftigelseseffekter Tabel 2 viser det akkumulerede beskæftigelsesomfang for behandlings- og kontrolgrupperne i perioden op til annonceringstidspunktet i første kolonne og det akkumulerede beskæftigelsesomfang i de første 22 måneder efter implementeringen i anden kolonne, som er de senest tilgængelige data. Den tredje kolonne angiver ændringen i beskæftigelsesomfanget. Diff-in-diff-estimaterne af beskæftigelsesgraden er angivet i det grå område i tabellen for både en lineær sandsynlighedsmodel (OLS) og for en ik-

35 ARBEJDSUDBUDDET BLANDT ENLIGE FORSØRGERE 35 ke-lineær binær responsmodel, nemlig probit-modellen. 11 For den ikke-lineære model rapporteres de marginale effekter. 12 Begge modeller er estimeret med robuste standardfejl, for at kunne lave inferens i tilfælde af heteroskedasticitet i fejlleddene. I panel A præsenteres resultaterne for de fulde samples. Beskæftigelsesomfanget for behandlingsgruppen faldt med 1,2 uger (fra 8,8 uger til 7,6 uger). Beskæftigelsesomfanget i de to kontrolgrupper faldt derimod med henholdsvis 7,3 uger og 6,8 uger. Således steg beskæftigelsesomfang i behandlingsgruppen med henholdvis 6,1 uger og 5,7 uger relativt til kontrolgrupperne, hvilket er statistisk signifikant på 0,1 pct.- niveau. Diff-in-diff-estimaterne er ligeledes estimeret i en probit-model, hvilket giver statistisk signifikante resultater på tilsvarende niveauer. Den positive effekt på det akkumulerede beskæftigelsesomfang på ca. 6 uger i pe - rio den 1. august 2010 til 26. oktober 2012 svarer til, at de knapt enlige mødre akkumulerer omkring ugers ekstra beskæftigelse som følge af jobpræmieordningen. Dette er inden for en periode på under 2 år, og svarer således til en effekt på knapt 750 ekstra fuldtidsbeskæftigede (givet at alle de berørte finder fuldtidsbeskæf - tigelse såfremt en del af de berørte finder deltidsbeskæftigelse vil effekten på beskæftigelsen være mindre). Hvorvidt annonceringsperioden medtages i estimationen eller ej er ikke afgørende for resultaterne, jf. tabel A2. Som tidligere nævnt, er estimationerne kørt for kvinder alene. De tilsvarende estimationer for mænd giver insignifikante resultater, jf. tabel A3, hvilket betyder, at resultaterne alene gælder for kvinder. De signifikante diff-in-diff-estimater kan selvsagt også skyldes de strukturelle forskelle mellem behandlings- og kontrolgrupperne. For at undersøge nærmere om den relative ændring netop skyldes jobpræmieordningen, estimeres modellen nu på et subsample af mine behandlings- og kontrolgrupper. For at tage højde for den relativt svagere tilknytning til arbejdsmarkedet blandt personerne i behandlingsgruppen (jf. tabel 1 ovenfor), har jeg i panel B udvalgt de personer fra grupperne, som i kvalifikationsvinduet modtog offentlig forsørgelse i mellem 47 og 52 uger. Jeg har med andre ord fjernet helårsmodtagerne i grupperne for således at tage højde for den større andel af helårsmodtagere i behandlingsgruppen. På denne måde sikrer jeg, at jeg betragter en gruppe af personer, som har nogenlunde samme til- 11. Jeg har valgt at rapportere estimaterne af begge modeller. Årsagen er, at den lineære sandsynligheds - model estimeret ved OLS er den typiske benchmark-model, men da responsvariablen er binær, kan man argumentere for, at man bør bruge en probit-model estimeret ved maximum likelihood. Dels for at undgå heteroskedasticitet og dels for at sikre sandsynligheder mellem nul og en. Sammenligning af de to modellers estimater kan bruges til et robusthedstjek af, at signifikansen af resultaterne ikke afhænger af valget af estimationsmetode. 12. Marginaleffekterne er givet ved den partielt afledte: (x i ) = (x i ) k. x ik

36 36 NATIONALØKONOMISK TIDSSKRIFT NR. 1 knytning til arbejdsmarkedet, og som alt andet lige burde have samme muligheder for at finde beskæftigelse. Det akkumulerede beskæftigelsesomfang op til annonceringstidspunktet for enlige forsørgere, som er berettiget til børnetilskud, og som havde en ledighed mellem 47 og 52 uger i kvalifikationsvinduet, var 19,3 uger (panel B). Det akkumulerede beskæf - tigelsesomfang for enlige forsørgere som ikke er berettiget til børnetilskud, og som havde en tilsvarende ledighedsperiode i kvalifikationsvinduet, var 29,0 uger. Tilsvarende var det akkumulerede beskæftigelsesomfang for enlige ikke-forsørgere 27,6 uger. I de første 22 måneder efter ordningens ikrafttræden var det akkumulerede beskæftigelsesomfang reduceret med 4,1 uger for behandlingsgruppen. Tilsvarende var det reduceret med henholdsvis 12,2 uger og 11,0 uger i de to kontrolgrupper. Dette resulterer således i diff-in-diff-estimater på henholdsvis 8,1 uger og 6,9 uger, hvilket er statistisk signifikant på 0,1 pct.-niveau. Ikke overraskende bliver beskæftigelseseffekten således større, når man fjerner helårsmodtagere, som jo udgør en større andel i behandlingsgruppen. Probit-modellen giver tilsvarende resultater. Disse resultater peger på, at jobpræmieordningen har haft en signifikant effekt på beskæftigelsesomfanget blandt de, der har været kvalificeret til ordningen. Da behandlings- og kontrolgrupperne adskiller sig i demografiske karakteristika, kan de observerede forskelle i figur 2 og tabel 2 skyldes underliggende forskelle mellem grupperne, snarere end en behandlingseffekt. Ved at kontrollere for demografiske karakteristika i en diff-in-diff-model kan man tage højde for disse forskelle mellem grupperne. Jeg estimerer følgende probit-model: E it = ( + Z it + 0 Treat i + 1 Post t + 2 (Treat Post) it + it ) Modellen svarer til den ovenfor beskrevne, men indeholder desuden Z it, som er en vektor som inkluderer kontrolvariable på ledighedsperiode og demografiske karakteristika. 0 vil være negativ, hvis behandlingsgruppens beskæftigelsesomfang er lavere end kontrolgruppens, efter der er kontrolleret for observérbare forskelle. 1 er gennemsnitlig ændring i beskæftigelsesomfang for både behandlings- og kontrolgruppen før og efter reformen. 2 er behandlingseffekten, efter der er kontrolleret for observérbare forskelle. I tabel 3 præsenteres resultaterne af OLS-estimationen. Samplet er enlige forsørgere, som er berettiget til børnetilskud (behandlingsgruppen) og enlige forsørgere, som ikke er berettiget til børnetilskud (kontrolgruppe 1). Det er altså her berettigelse til børnetilskud, der afgrænser berettigelsen til jobpræmien. Den første kolonne angiver det simple diff-in-diff-estimat, den anden kolonne inkluderer kontrol for arbejdsmar-

37 ARBEJDSUDBUDDET BLANDT ENLIGE FORSØRGERE 37 Tabel 2. Effekten af jobpræmieordningen på akkumuleret beskæftigelsesomfang i uger. A. Behandlingsgruppe: Enlige forsørgere, berettiget til børnetilskud [12.811] 8,838 7,638-1,200 OLS Probit Pre-reform: Post-reform: Difference-in- Difference-indifferences differences 1/1/2008-1/8/2010- Ændring 1/8/ /10/2012 Koefficient S.E. Marginaleffekt S.E. Kontrolgrupper: Enlige forsørgere, ikke berettiget til børnetilskud [8.264] 16,160 8,871-7,289 6,089*** (0,443) 0,264*** (0,027) Enlige ikke-forsørgere [21.098] 15,810 8,929-6,881 5,680*** (0,335) 0,273*** (0,021) B. Behandlingsgruppe: ugers ledighed i vindue Enlige forsørgere, berettiget til børnetilskud [3.222] 19,283 15,137-4,146 Kontrolgrupper: ugers ledighed i vindue Enlige forsørgere, ikke berettiget til børnetilskud [2.370] 29,040 16,820-12,220 8,074*** (1,099) 0,260*** (0,50) Enlige ikke-forsørgere [6.834] 27,580 16,580-11,000 6,862*** (0,844) 0,209*** (0,039) Anm.: Robuste standardfejl i parenteser. Populationerne er angivet i kantede parenteser. Den lineære sandsynlighedsmodel er estimeret ved hjælp af OLS. Probit er estimeret ved hjælp af maximum likelihood. For probit-modellen rapporteres marginale effekter. Post-reform-tidspunktet er valgt til august 2010 for at tage højde for eventuelle annonceringseffekter. Havde tidspunktet været valgt til implementeringstidspunktet, ville man ikke have taget højde for disse effekter, og det havde således været en kilde til undervurdering af ordningens beskæftigelseseffekt. * p < 0,05, ** p <0,01, *** p <0,001. Kilde: Egne beregninger på Danmarks Statistiks registre samt DREAM-registret.

38 38 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Tabel 3. OLS-resultater: Enlige forsørgere ikke berettiget til børnetilskud (kontrolgruppe 1). Sample: Alle enlige forsørgere med ledighed i mindst 47 uger i kvalifikationsvinduet (1) (2) (3) Uden kovariater Ledighed Demografiske karakteristika Koefficient S.E. Koefficient S.E Koefficient S.E. Ledighedsperiode Helårsmodtagere i kvalifikationsvinduet -0,353*** (0,005) -0,328*** (0,005) Demografiske karakteristika Alder 1,115*** (0,078) Alder kvadreret -0,015*** (0,001) Antal børn -0,194* (0,084) Indvandrer ( d ) 0,508* (0,220) Uddannelse: Grundskole ( d ) Uddannelse: Gymnasium ( d ) -0,457 (0,367) Uddannelse: Faglært ( d ) 0,909*** (0,254) Uddannelse: Videregående ( d ) 2,855*** (0,381) Erhvervserfaring 0,001*** (0,000) Erhvervserfaring kvadreret -0,000 Region Hovedstaden ( d ) 0,665*** (0,195) Diagnose ( d ) -0,912*** (0,204) Treat: Berettiget til børnetilskud ( d ) -7,322*** (0,313) -4,435*** (0,235) -3,899*** (0,227) Post: 1/8/ /10/2012 ( d ) -7,289*** (0,370) -7,289*** (0,318) -7,279*** Treat x Post( d ) 6,089*** (0,443) 6,089*** (0,385) 6,032*** (0,375) Konstant 16,160*** (0,269) 61,320*** (0,689) 34,610*** (1,349) R 2 0,021 0,244 0,287 N Anm.: (d) angiver diskrete ændringer i dummy variable fra 0 til 1. LPM er estimeret med OLS. Robuste standardfejl i parenteser. Grundskole er referencegruppe for uddannelsesvariablene. * p<0,05, ** p<0,01, *** p<0,001. Kilde: Egne beregninger på Danmarks Statistiks registre samt DREAM-registret.

39 ARBEJDSUDBUDDET BLANDT ENLIGE FORSØRGERE 39 kedshistorik, og den tredje kolonne inkluderer desuden demografiske karakteristika. Kontrollen for arbejdsmarkedshistorik er en dummy variabel for personer, som var helårsmodtagere af offentlig forsørgelse i kvalifikationsvinduet. Variablen skal kontrollere for den tilsyneladende lavere arbejdsmarkedstilknytning for behandlingsgruppen, som fremgår af tabel 1. Endvidere kan denne kontrol fungere som instrument for uobservérbar heterogenitet, som eksempelvis evner og motivation, som må antages at være korreleret med arbejdsmarkedstilknytningen. De demografiske karakteristika kontrollerer for de observérbare strukturelle forskelle, der er mellem behandlingsgruppen og kontrolgrupperne. Indkomstkontrollen kontrollerer for forskelle i udbetalingen af børnetilskud. De estimerede koefficienter på Post ( 1 ) er stærkt signifikante, hvilket antyder, at der er en generel underliggende trend i beskæftigelsesgraden for de to grupper. Koefficienterne er negative, hvilket kan tolkes som en negativ konjunkturpåvirkning fra ex-ante til ex-post. Koefficienterne på Treat ( 0 ) er ligeledes stærkt signifikante, hvilket indikerer, at der i udgangspunktet er en signifikant forskel i beskæftigelsesomfanget mellem de to grupper. Behandlingseffekten ( 2 ) falder fra 6,1 uger til 6,0 uger, når der kontrolleres for demografiske forskelle mellem grupperne. De forklarende varia - ble har alle de forventede fortegn. Andelen af helårsmodtagere af offentlig forsørgelse trækker i retning af lavere beskæftigelsesomfang. Beskæftigelsesomfanget falder med alderen, dog med en aftagende effekt. Jo flere børn personen har, jo lavere er beskæf - tigelsesomfanget. Uddannelseslængden har en positiv påvirkning på beskæftigelsesomfanget, ligeså vel som antal års erhvervserfaring. Personer, der bor i hovedstadsområdet, har et større beskæftigelsesomfang end i de øvrige regioner, og personer, der har en diagnose i 2010, har lavere beskæftigelsesomfang end øvrige personer. Jeg har endvidere estimeret effekterne af ovenstående model ved hjælp af probit (tabel A5 i appendiks). Resultaterne viser, at effekten af ordningen estimeret med probit er signifikant på niveauer svarende til OLS-estimaterne. Endelig har jeg estimeret en model svarende til ovenstående, men for et sample bestående af ikke-forsørgere og forsørgere med ledighed i mindst 47 uger i kvalifikationsvinduet, dvs. kontrolgruppe 2 (tabel A4 og A6 i appendiks). Her er det altså forsørgerstatus, der afgrænser berettigelsen til jobpræmien. Disse estimater er ligeledes signifikante på tilsvarende niveauer som det simple diff-in-diff-estimat. Resultaterne giver således en stærk indikation af, at jobpræmieordningen har haft en signifikant effekt på beskæftigelsesomfanget for de berørte på trods af et relativt behersket beskæftigelsesomfang, når der måles frem til ultimo oktober Resultaterne er konsistente på tværs af kontrolgrupper, modelspecifikationer og subsamples. Dette må ses som en yderligere indikation af, at den estimerede effekt kan tilskrives jobpræmieordningen.

40 40 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Et groft skøn baseret på figur 2 tyder på, at der samlet set er udbetalt omkring 11 mio. kr. i jobpræmier til de enlige mødre. Dette svarer til, at der er udbetalt omkring kr. i jobpræmier per årligt fuldtidsjob. Såfremt dette beløb er mindre end den ekstra skatteindbetaling genereret af merbeskæftigelsen som følge af ordningen, vil jobpræmieordningen umiddelbart give mulighed for at realisere en samfundsøkonomisk gevinst. 5. Konklusion og diskussion Jobpræmieordningen målrettet langtidsledige enlige forsørgere, der trådte i kraft den 1. januar 2011, øger forskelsbeløbet ved beskæftigelse for den berørte gruppe. Dette papir har undersøgt beskæftigelseseffekten af denne ordning. Jeg finder, at effekten af ordningen på det akkumulerede beskæftigelsesomfang for langtidsledige enlige mødre er op til 6,1 uger. Den positive effekt af indførelsen af ordningen er ikke overraskende, set i lyset af internationale erfaringer med tilsvarende ordninger, jf. ovenfor. Som en konsekvens af den måde ordningen er udformet på, har ingen personer kunnet indrette sig på ordningen, og således kan man se bort fra eventuelle delayed exiteffekter, som ellers kunne have givet anledning til, at estimaterne ville overvurdere den sande effekt. Man bør være opmærksom på, at de målte effekter er kortsigtseffekter, hvilket kan have den ulempe, at personerne ikke har tilpasset deres adfærd til ordningen i løbet af de 22 måneder, som analysen vedrører. Hvad der taler imod dette er, at alle de behandlede modtog et brev ved ordningens ikrafttræden, som adviserede dem om deres muligheder. Desuden er det næppe sandsynligt, at personerne vil ændre deres adfærd signifikant i løbet af de sidste to måneder ordningen gælder. Langsigtseffekterne af ordningen kendes selvsagt ikke endnu, men man må formode, at en del af de personer, som er kommet i beskæftigelse, vil forblive i beskæftigelse på trods af, at jobpræmien ophører efter to år. I den periode personerne har været i beskæftigelse, har de således øget deres tilknytning til arbejdsmarkedet, opnået værdifuld erhvervserfaring og måske styrket deres netværk, som kan give dem bedre muligheder for fremtidig beskæftigelse. Man må dog også formode, at en del af de personer, som har fundet beskæftigelse, igen vil forlade arbejdsmarkedet ved jobpræmiens frafald, idet deres omkostninger ved deltagelse på arbejdsmarkedet igen vil være for høje. Ligledes bør man være opmærksom på, at der kan være en crowding out-effekt fra behandlingsgruppen på kontrolgrupperne, hvis personerne i behandlingsgruppen finder beskæftigelse i job, som ellers ville blive besat af personer i kontrolgrupperne. Der er to mulige crowding out-effekter. Man må antage, at personerne i behandlings- og

41 ARBEJDSUDBUDDET BLANDT ENLIGE FORSØRGERE 41 kontrolgrupperne søger samme type job, hvilket betyder, at antallet af ansøgere til de pågældende job vil stige eftersom flere personer i behandlingsgruppen nu vil være jobsøgende. Dette betyder, alt andet lige, at sandsynligheden for at en person fra kontrolgruppen vil få det pågældende job, falder. Desuden vil personerne i behandlingsgruppen være villige til at acceptere en lavere løn end personerne i kontrolgrupperne, eftersom de bliver kompenseret via jobpræmien. Teoretisk set vil de derfor være villige til at acceptere en efter-skat-løn, som er 599 kroner lavere end kontrolgruppen, såfremt lønnen er mindst kroner (og dermed udløser en jobpræmie på 600 kroner). Disse crowding out-effekter vil være en kilde til overvurdering af beskæftigelseseffekten af jobpræmieordningen. Resultaterne er først og fremmest vigtige, fordi de giver evidens for, at økonomiske incitamenter er virkningsfulde i forhold til at øge enlige forsørgeres beskæftigelsesomfang. De illustrerer således, at man med en relativt lille eksogen variation, op til 600 kr. skattefrit per person per måned, kan flytte personer på kanten af arbejdsmarkedet over i beskæftigelse. Man må altså konstatere, at der er et betydeligt beskæftigelsespotentiale ved at øge forskelsbeløbet for den berørte gruppe. Der kan dog være flere årsager til, at man bør være varsom med en permanent implementering af denne type ordning. Man må nok indse, at en permanent implementering af jobpræmieordningen i dens nuværende form vil give anledning til delayed exiteffekter, eftersom personerne vil have et incitament til at forblive på overførsler, til de er berettiget til jobpræmien. Netop dette var en problematik i det canadiske SSP, hvor Card og Robbins (1998) fandt, at et mindre antal personer forlængede deres ledighed for at blive berettiget til programmets indkomstsupplement. Denne effekt var dog ikke af et omfang, som påvirkede de positive beskæftigelsesresultater nævneværdigt. I sidste ende bør man nok konkludere, at jobpræmieordningen i dens nuværende form ikke er hensigtsmæssig at implementere permanent. Man bør derimod overveje alternative muligheder for at udnytte dét beskæftigelsespotentiale, som ordningen indikerer, der er. I skattereformen fra 2012 har Folketinget vedtaget, at beskæftigelsesfradraget til enlige forsørgere, som har ret til og modtager ekstra børnetilskud, øges med 2,6 pct. af lønnen oven i det almindelige beskæftigelsesfradrag med virkning fra Her bør man dog være opmærksom på, at det målrettede beskæftigelsesfradrag kan give et dødvægtstab, da man giver et ekstra beskæftigelsesfradrag til personer, som ville have valgt beskæftigelse selv i fravær af det ekstra fradrag. Dette dødvægtstab eksisterer dog ligeledes i jobpræmieordningen omend i et mindre omfang, da denne ordning er målrettet i højere grad. I sidste ende afhænger den mest efficiente løsning således af, hvilket alternativ som implicerer det mindste dødvægtstab.

42 42 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Litteratur Akerlof, G The Economics of Tagging as Applied to the Optimal Income Tax. American Economic Review 68, Andersen, L. H., H. Hansen, M. L. Schultz- Nielsen og T. Tranæs Starthjælpens betydning for flygtninges levevilkår og beskæftigelse. Rockwool Fondens Forskningsenhed Arbejdspapir 25. Blundell, R. W., L. Dearden og B. Sianesi Evaluating the Effect of Education on Earnings: Models, Methods and Results from the National Child Development Survey. Journal of the Royal Statistical Society. Series A (Statistics in Society), Vol. 168, No. 3 (2005), pp Blundell, R. W., A. Duncan, J. McCrae og C. Meghir The Labour Market Impact of the Working Families Tax Credit. Fiscal Studies, 21(1): Bolvig, I., P. Jensen og M. Rosholm The Employment Effects of Active Social Policy. IZA Discussion Paper Series no Bonn. Caliendo, M. og S. Kopeinig Some Prac tical Guidance for the Implementation of Propensity Score Matching. DIW Discussion Papers no Berlin. Card, D. og P. K. Robins Do financial incentives encourage welfare recipients to work? Evidence from a randomized evaluation of the self-sufficiency project. Re - search in Labor Economics 17, Eissa, N., H. J. Kleven og C. T. Kreiner Welfare Effects of Tax Reform, and Labor Supply at the Intensive and Extensive Margins. I J. Agell og P. B. Sørensen (red). Tax Policy and Labour Market Performance, MIT Press, Cambridge, MA. Eissa, N., H. J. Kleven og C. T. Kreiner Evaluation of Four Tax Reforms in the United States: Labor Supply and Welfare Effects for Single Mothers. Journal of Public Economics 92, 2008, Eissa, N. og J. Liebman Labor Supple Response to the Earned Income Tax Credit. Quaterly Journal of Economics 61, Finansministeriet, september Faktaark: Jobpræmie til enlige forsørgere. Flood, L. E. Pylkkänen and R. Wahlberg From Welfare to Work: Evaluating a Proposed Tax and Benefit Reform Tar - geted at Single Mothers in Sweden. IZA Discussion Paper Series no Bonn. Heckman, J Instrumental Variables: A Study of Implicit Behavioral Assumptions Used in Making Program Evaluations. The Journal of Human Resources 32, Heckman, J What Has Been Learned About Labor Supply in the Past Twenty Years? American Economic Review Papers and Proceedings 83(2), Immervoll, H., H. J. Kleven, C. T. Kreiner, E. Saez Welfare Reform in European Countries: A Microsimulation Analysis. Economic Journal 117, 2007, Kleven, H. J. og C. T. Kreiner Labor Supply Behavior and the Design of Tax and Transfer Policy. Nationaløkonomisk Tidsskrift 143, Kleven, H. J., C. T. Kreiner, N. Nielsen, P. J. Pedersen og T. Tranæs Skat, lighed og arbejde en undersøgelse af det danske skatte- og velfærdssystem. Gyldendal. le Maire, D. og C. Scheuer Determinants of Labor Force Participation for Recipients of Social Assistance: A Panel Data Analysis for Denmark. Working paper. Meyer, B. og D. T. Rosenbaum Wel - fare, The Earned Income Tax Credit, and The Labor Supply of Single Mothers. The Quaterly Journal of Economics CXVI, Michalopoulos, C., P. Robins og D. Card When financial work incentives pay for themselves: evidence from a random - ized social experiment for welfare reci - pients. Journal of Public Economics 89, Mogstad, M. og C. Pronzato Are Lone Mothers Responsive to Policy Changes? Evidence from a Workfare Reform in a Generous Welfare State. IZA Discussion Paper Series no Bonn. Piketty, T L Impact des Incitations Financières au Travail sur les Comportements Individuels: Une Estimation pour le cas Francais. Economie et Prevision, 132-

43 ARBEJDSUDBUDDET BLANDT ENLIGE FORSØRGERE 43 33, Retsinformation Lov nr af 22/12/2010. Lov om en 2-årig forsøgsordning om jobpræmie til enlige forsørgere. Van Soest, A Discrete Choice Models of Family Labor Supply. Journal of Human Resources 30, Van Soest, A., M. Dias og X. Gong A Structural Labor Supply Model with Flexible Preferences. Journal of Econometrics 107, Verbeek, M A Guide To Modern Econometrics. 2nd Edition. John Wiley & Sons. Wooldridge, J. M Introductory Econometrics A Modern Approach. 2nd Edi - tion. South-Western. Økonomi- og Indenrigsministeriet, maj Økonomiske incitamenter til beskæftigelse. Økonomisk Analyse.

44 44 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Appendiks Pct. 2,5 2,0 Alle beskæftigede Enlige forsørgere 1,5 1,0 0,5 0, Percentil i lønindkomstfordelingen Figur A1. Fordeling af enlige forsørgere på indkomstpercentiler. Anm: Den stiplede linje (alle beskæftigede) er per konstruktion fordelt ligeligt over percentilerne. Den fuldt optrukne linje angiver, hvordan enlige forsørgere fordeler sig over percentilerne. Kilde: Egne beregninger på Danmarks Statistisks registre. Pct. 0,95 0,90 Alle beskæftigede Enlige forsørgere 0,85 0,80 0,75 0,70 0, Percentil i lønindkomstfordelingen Figur A2. Gennemsnitlige effektive deltagelsesskatter på tværs af percentiler. Anm: Deltagelsesskatten er beregnet som forskellen i nettobetalingen til den offentlige sektor, når individet er inde hhv. ude af arbejdsmarkedet som andel af individets samlede lønindkomst på arbejdsmarkedet. Beregningen er baseret på 2006-lovgivning. Kilde: Finansministeriet Lovmodel.

45 ARBEJDSUDBUDDET BLANDT ENLIGE FORSØRGERE 45 Antal artikler Venstre annoncerer forslaget om jobpræmien til enlige forsørgere på deres sommer - gruppemøde 6. august Antal artikler Lovforslag om jobpræmie til enlige forsørgere vedtaget i Folketinget 17. december Juni Juli August September Oktober November December Figur A3. Mediedækning af jobpræmieordningen til enlige forsørgere. Anm: Antal artikler som indeholder mindst ét af ordene. Jobpræmie, jobpræmieordning. Kilde: Infomedia.

46 46 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Tabel A1. Karakteristik af behandlings- og kontrolgrupperne, Behandlingsgruppe: Kontrolgruppe 1: Kontrolgruppe 2: Enlige forsørgere Enlige forsørgere Enlige ikke-forsørgere berettiget til børnetilskud ikke berettiget til børnetilskud Mean Median % Mean Median % Mean Median % Personlige karakteristika Kvinder Alder 36, , , ,8 Antal børn 1,9 2 1, Indvandrere 27,4 18,5 11,9 Efterkommere 1,4 1,3 1,3 Region Hovedstaden Diagnosticeret sygdom Erhvervserfaring 3,8 2 5,5 3 6,3 3 Højest fuldførte uddannelse: Grundskole 59,1 54,6 50,7 Ungdomsuddannelse 6,9 6,2 8,1 Faglært 24,1 27,1 23,6 Videregående 9,9 12,1 17,6 Socioøkonomisk status: Arbejdsløs mindst halvdelen af året 8,9 8,1 10,8 Modtager af sygedagpenge 7,2 14,9 13 Studerende 0 1,1 0,7 Efterløn, førtids- og folkepension 0,4 0,9 1,9 Kontanthjælp 72, ,1 Andre 2,7 5,3 5,5 Fortsættes næste side...

47 ARBEJDSUDBUDDET BLANDT ENLIGE FORSØRGERE 47 fortsat... Behandlingsgruppe: Kontrolgruppe 1: Kontrolgruppe 2: Enlige forsørgere Enlige forsørgere Enlige ikke-forsørgere berettiget til børnetilskud ikke berettiget til børnetilskud Mean Median % Mean Median % Mean Median % Indkomst, kr priser Personindkomst i alt Erhvervsindkomst Kontanthjælp A-dagpenge Andre ydelser Boligstøtte Børnetilskud Disponibel indkomst Ydelseshistorik Antal uger på ydelser i kvalifikationsvinduet 52, , ,7 53 Antal uger på ydelser i , , ,5 52 Antal uger på ydelser i , ,5 138 Andel på ydelser i kval.vindue i uger 25,2 28,7 32,4 Andel på ydelser i kval.vindue i 53 uger 74,9 71,3 67,6 Antal personer Anm.: Indkomstoplysningerne relaterer sig til indkomståret Da 2009 er skudår, er der 53 uger i kvalifikationsvinduet. Kvalifikationsvinduet er perioden fra 3. august 2009 til 2. august Kilde: Egne beregninger på Danmarks Statistiks registre samt DREAM-registret.

48 48 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Indeks, 2010M7 = Annoncering: 6. august Indeks, 2010M7 = Implementering 1. januar Enlige forsørgere ikke berettiget til børnetilskud Enlige forsørgere berettiget til børnetilskud Enlige ikke-forsørgere Figur A4. Beskæftigelsgraden for behandlings- og kontrolgrupperne. Anm: Antal artikler som indeholder mindst ét af ordene. Jobpræmie, jobpræmieordning. Kilde: Infomedia. Uger Uger Enlige forsørgere berettiget til børnetilskud Ikke berettiget til børnetilskud Enlige ikke-forsørgere Figur A5. Antal uger på ydelser, Kilde: Egne beregninger på Danmarks Statistiks registre samt DREAM-registreret.

49 ARBEJDSUDBUDDET BLANDT ENLIGE FORSØRGERE 49 Tabel A2. Effekten af jobpræmieordningen på akkumuleret beskæftigelsesomfang i uger (uden annoncering). A. Behandlingsgruppe: Enlige forsørgere, berettiget til børnetilskud [12.811] 8,838 7,638-1,200 OLS Probit Pre-reform: Post-reform: Difference-in- Difference-indifferences differences 1/1/2008-1/8/2010- Ændring 1/8/ /10/2012 Koefficient S.E. Marginaleffekt S.E. Kontrolgrupper: Enlige forsørgere, ikke berettiget til børnetilskud [8.264] 16,160 8,871-7,289 6,089*** (0,443) 0,264*** (0,027) Enlige ikke-forsørgere [21.098] 15,810 8,929-6,881 5,680*** (0,335) 0,273*** (0,021) B. Behandlingsgruppe: ugers ledighed i vindue Enlige forsørgere, berettiget til børnetilskud [3.222] 19,283 15,137-4,146 Kontrolgrupper: ugers ledighed i vindue Enlige forsørgere, ikke berettiget til børnetilskud [2.370] 29,040 16,820-12,220 8,074*** (1,099) 0,260*** (0,50) Enlige ikke-forsørgere [6.834] 27,580 16,580-11,000 6,862*** (0,844) 0,209*** (0,039) Anm.: Robuste standardfejl i paranteser. Populationerne er angivet i kantede parenteser. Den lineære sandsynlighedsmodel er estimeret ved hjælp af OLS. Probit er estimeret ved hjælp af maximum likelihood. For probit-modellen rapporteres marginale effekter. For probit-modellen rapporteres marginale effekter. * p < 0,05, ** p <0,01, *** p <0,001. Kilde: Egne beregninger på Danmarks Statistiks registre samt DREAM-registret.

50 50 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Tabel A3. Effekten af jobpræmieordningen på akkumuleret beskæftigelsesomfang i uger (mænd). A. Behandlingsgruppe: Enlige forsørgere, berettiget til børnetilskud [1.556] 20,745 10,451-10,294 OLS Probit Pre-reform: Post-reform: Difference-in- Difference-indifferences differences 1/1/2008-1/8/2010- Ændring 1/8/ /10/2012 Koefficient S.E. Marginaleffekt S.E. Kontrolgrupper: Enlige forsørgere, ikke berettiget til børnetilskud [1.800] 23,500 15,107-8,393 1,901 (1,325) 0,107 (0,062) Enlige ikke-forsørgere [45.498] 18,870 11,605-7,265 0,773 (0,942) 0,080 (0,045) B. Behandlingsgruppe: ugers ledighed i vindue Enlige forsørgere, berettiget til børnetilskud [412] 34,271 23,510-10,761 Kontrolgrupper: ugers ledighed i vindue Enlige forsørgere, ikke berettiget til børnetilskud [555] 34,400 23,890-10,510 0,251 (2,511) -0,068 (0,107) Enlige ikke-forsørgere [16.061] 30,720 19,260-11,460 1,200 (1,875) 0,013 (0,082) Anm.: Robuste standardfejl i parenteser. Populationerne er angivet i kantede parenteser. Den lineære sandsynlighedsmodel er estimeret ved hjælp af OLS. Probit er estimeret ved hjælp af maximum likelihood. For probit-modellen rapporteres marginale effekter. Post-reform-tidspunktet er valgt til august 2010 for at tage højde for eventuelle annonceringseffekter. Havde tidspunktet været valgt til implementeringstidspunktet, ville man ikke have taget højde for disse effekter, og havde således været en kilde til undervurdering af ordningens beskæftigelseseffekt. * p < 0,05, ** p <0,01, *** p <0,001. Kilde: Egne beregninger på Danmarks Statistiks registre samt DREAM-registret.

51 ARBEJDSUDBUDDET BLANDT ENLIGE FORSØRGERE 51 Tabel A4. OLS-resultater: Enlige ikke-forsørgere (kontrolgruppe 2). Sample: Alle enlige forsørgere med ledighed i mindst 47 uger i kvalifikationsvinduet (1) (2) (3) Uden kovariater Ledighed Demografiske karakteristika Koefficient S.E. Koefficient S.E Koefficient S.E. Ledighedsperiode Helårsmodtagere i kvalifikationsvinduet -0,371*** (0,004) -0,353*** (0,004) Demografiske karakteristika Alder 0,799*** (0,053) Alder kvadreret -0,011*** (0,001) Antal børn 0,001 (0,090) Indvandrer ( d ) 0,633*** (0,192) Uddannelse: Grundskole ( d ) Uddannelse: Gymnasium ( d ) -0,651* (0,269) Uddannelse: Faglært ( d ) 1,947*** (0,204) Uddannelse: Videregående ( d ) 3,041*** (0,271) Erhvervserfaring 0,001*** (0,000) Erhvervserfaring kvadreret -0,000*** (0,000) Region Hovedstaden ( d ) 0,585*** (0,155) Diagnose ( d ) -1,520*** (0,168) Treat: Enlig forsørger ( d ) -6,972*** (0,231) -3,745*** (0,174) -3,911*** (0,248) Post: 1/8/ /10/2012 ( d ) -6,881*** (0,230) -6,881*** (0,197) -6,733*** (0,194) Treat x Post ( d ) 5,680*** (0,335) 5,680*** (0,294) 5,536*** (0,288) Konstant 15,810*** (0,167) 63,160*** (0,529) 43,930*** (0,974) R 2 0,023 0,261 0,295 N Anm.: (d) angiver diskrete ændringer i dummy variable fra 0 til 1. LPM er estimeret med OLS. Robuste standardfejl i parenteser. Grundskole er referencegruppe for uddannelsesvariablene. * p < 0,05, ** p < 0,01, *** p < 0,001. Kilde: Egne beregninger på Danmarks Statistiks registre samt DREAM-registret.

52 52 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Tabel A5. Probitresultater: Enlige forsørgere ikke berettiget til børnetilskud (kontrolgruppe 1). Sample: Alle enlige forsørgere med ledighed i mindst 47 uger i kvalifikationsvinduet (1) (2) (3) Uden kovariater Ledighed Demografiske karakteristika Koefficient S.E. Koefficient S.E. Koefficient S.E. Ledighedsperiode Helårsmodtagere i kvalifikationsvinduet -0,021*** (0,000) -0,019*** (0,000) Demografiske karakteristika Alder 0,019** (0,006) Alder kvadreret -0,000*** (0,000) Antal børn -0,036*** (0,008) Indvandrer ( d ) -0,041* (0,021) Uddannelse: Grundskole ( d ) Uddannelse: Gymnasium ( d ) -0,020 (0,032) Uddannelse: Faglært ( d ) 0,177*** (0,019) Uddannelse: Videregående ( d ) 0,248*** (0,025) Erhvervserfaring 0,000*** (0,000) Erhvervserfaring kvadreret -0,000*** (0,000) Region Hovedstaden ( d ) 0,061*** (0,016) Diagnose ( d ) -0,062*** (0,018) Treat: Berettiget til børnetilskud ( d ) -0,341*** (0,018) -0,220*** (0,018) -0,179*** (0,019) Post: 1/8/ /10/2012 ( d ) -0,598*** (0,021) -0,697*** (0,023) -0,732*** (0,024) Treat x Post ( d ) 0,264*** (0,027) 0,330*** (0,029) 0,347*** (0,030) Predikteret effekt på beskæftigelsesgraden for behandlingsgruppen -0,152*** (0,014) 2,476*** (0,036) 1,751*** (0,108) Log pseudolikelihood N Anm.: (d) angiver diskrete ændringer i dummy variable fra 0 til 1. Probit er estimeret ved hjælp af maximum likelihood. Der er rapporteret marginale effekter. Robuste standardfejl i parenteser. Grundskole er referencegruppe for uddannelsesvariablene. * p < 0,05, ** p < 0,01, *** p < 0,001. Kilde: Egne beregninger på Danmarks Statistiks registre samt DREAM-registret.

53 ARBEJDSUDBUDDET BLANDT ENLIGE FORSØRGERE 53 Tabel A6. Probitresultater: Enlige ikke-forsørgere (kontrolgruppe 2). Sample: Alle enlige forsørgere med ledighed i mindst 47 uger i kvalifikationsvinduet (1) (2) (3) Uden kovariater Ledighed Demografiske karakteristika Koefficient S.E. Koefficient S.E Koefficient S.E. Ledighedsperiode Helårsmodtagere i kvalifikationsvinduet -0,020*** (0,000) -0,019*** (0,000) Demografiske karakteristika Alder 0,012** (0,004) Alder kvadreret -0,000*** (0,000) Antal børn -0,038*** (0,010) Indvandrer( d ) 0,014 (0,018) Uddannelse: Grundskole ( d ) Uddannelse: Gymnasium ( d ) -0,028 (0,023) Uddannelse: Faglært( d ) 0,153*** (0,015) Uddannelse: Videregående ( d ) 0,303*** (0,017) Erhvervserfaring 0,000*** (0,000) Erhvervserfaring kvadreret -0,000*** (0,000) Region Hovedstaden ( d ) 0,010 (0,012) Diagnose (d) -0,118*** (0,015) Treat: Enlig forsørger ( d ) -0,372*** (0,014) -0,251*** (0,015) -0,176*** (0,023) Post: 1/8/ /10/2012 ( d ) -0,607*** (0,013) -0,706*** (0,014) -0,730*** (0,015) Treat x Post ( d ) 0,273*** (0,021) 0,339*** (0,023) 0,345*** (0,024) Predikteret effekt på beskæftigelsesgraden for behandlingsgruppen -0,121*** (0,009) 2,466*** (0,027) 1,958*** (0,069) Log pseudolikelihood N Anm.: (d) angiver diskrete ændringer i dummy variable fra 0 til 1. Probit er estimeret ved hjælp af maximum likelihood. Der er rapporteret marginale effekter. Robuste standardfejl i parenteser. Grundskole er referencegruppe for uddannelsesvariablene. * p < 0,05, ** p < 0,01, *** p < 0,001. Kilde: Egne beregninger på Danmarks Statistiks registre samt DREAM-registret.

54 54 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Fakta om jobpræmieordningen Hvem kan få en jobpræmie? Målgruppen for jobpræmieordningen er personer, der: 1) Var enlige forsørgere og berettiget til og modtog ekstra børnetilskud den 2. august Personer, som ophører med at være enlige forsørgere efter denne dato, er stadig i målgruppen for ordningen. 2) I perioden fra den 3. august 2009 til og med den 2. august 2010 i mindst 47 uger helt eller delvist har fået løn fra ansættelse i løntilskud eller modtaget én eller flere af følgende ydelser: - dagpenge eller feriedagpenge - kontant- eller starthjælp - aktiveringsydelse - uddannelsesydelse - revalideringsydelse - ledighedsydelse - særlig ydelse - introduktionsydelse - sygedagpenge Hvordan får man en jobpræmie? Kommunen udbetaler automatisk jobpræmien til personer i målgruppen, som er eller kommer i job i perioden fra den 1. januar 2011 til og med den 31. december Personer, som er i job ved årsskiftet 2010/2011, får således også en jobpræmie. Man får også en jobpræmie, hvis man er ansat i fleksjob eller med løntilskud i perioden eller dele af perioden. Kommunen beregner præmien for hver måned, man har indkomst. Kommunen udbetaler præmien efter afslutningen af hvert kvartal og senest 45 dage efter, at kvartalet udløber. Man skal selv ansøge kommunen om en jobpræmie, hvis man i løbet af perioden har selvstændig virksomhed i Danmark og ikke samtidig får offentlige forsørgelsesydelser, herunder barselsdagpenge eller SU. 17. december 2010 Vores sag Hvis man mener, man er berettiget til en jobpræmie, men ikke har fået udbetalt en præmie, skal man henvende sig til kommunen. Hvor stor er jobpræmien? Jobpræmien udgør 4 procent af den indberettede, månedlige a-indkomst. Præmien er skattefri og kan højest udgøre 600 kr. om måneden. Beløb under 5 kr. udbetales ikke. Personer med selvstændig virksomhed får et fast skattefrit beløb på 600 kr. i jobpræmie om måneden. Jobpræmien indgår ikke i beregningen af, hvor meget man kan få i offentlige ydelser som f.eks. boligstøtte eller tilskud til daginstitutionsplads. Hvilken oplysningspligt har man? Personer med selvstændig virksomhed har pligt til at oplyse kommunen, hvis virksomheden ophører, eller der opstår andre forhold, som har betydning for udbetalingen af jobpræmien. Hvis man flytter? Flytter man til en ny kommune, udbetaler den nye kommune automatisk jobpræmien. Man behøver derfor ikke meddele den nye kommune, at man er berettiget til en jobpræmie. Hvordan klager man over kommunens afgørelse? Man kan klage til beskæftigelsesankenævnet over afgørelser i forbindelse med jobpræmieordningen. Hvornår træder jobpræmieordningen i kraft? Ordningen får virkning fra den 1. januar 2011 og gælder i to år. Figur A6. Arbejdsmarkedsstyrelsens standardbrev til kommunerne. Kilde: Arbejdsmarkedsstyrelsen.

55 Nationaløkonomisk Tidsskrift 151 (2013): Ulighed i selvvurderet helbred i Danmark Mette Møller Jørgensen Mail: [email protected] Mette Bjerrum Koch Mail: [email protected] Lars Peter Østerdal Mail: [email protected] SUMMARY: This paper investigates inequality in health both between and within different socioeconomic groups as well as over time in Denmark. We use self-reported health as a holistic measure of health. Inequalities in self-reported health are challeng - ing to analyze due to its qualitative nature. We review the problems of using meanbased inequality measures with ordinal multileveled data and make use of two quan tilebased approaches to assess health inequalities within and between groups respectively with data from»the National Health Interview Surveys«in Denmark 1994, 2000, 2005, and To assess the robustness of the results with respect to sample varia - tion we employ a bootstrap analysis. Generally we find that age, gender, education, and, to some extent, marital status and region, influence self-reported health. We only find a clear trend over time in certain age-groups. Finally, we discuss the obtained results compared to findings based on dichotomous measures of self-reported health. Introduktion Sundhed er ikke blot fundamentalt for den enkeltes livskvalitet, men også centralt for samfundsøkonomien, da sygdom forårsager træk på sundhedsydelser og fravær fra arbejdsmarkedet. Ulighed er på mange politiske dagsordener, og derfor er viden om uligheder i sundhed essentielt for sundhedspolitiske prioriteringer. Politiske tiltag, der MMJ: Københavns Universitet og Institut for Virksomhedsledelse og Økonomi, Syddansk Universitet. MBK: Statens Institut for Folkesundhed, Syddansk Universitet. LPØ: Institut for Virksomhedsledelse og Økonomi og COHERE - Center for Sundhedsøkonomisk Forskning, Syddansk Universitet. En del af arbejdet på dette papir blev udført mens MMJ og LPØ var tilknyttet Økonomisk Institut, KU. Præsenteret ved Forskningsdag om sundhed i samfundsvidenskab, CSS, KU, d. 9. marts 2012, og ved COHERE åbnings - seminaret, SDU, den 21. maj, Forfatterne ønsker at takke to referees for meget nyttige kommentarer.

56 56 NATIONALØKONOMISK TIDSSKRIFT NR. 1 har til formål at begrænse sociale uligheder i sundhed, kræver en forståelse af, hvor de findes, se f.eks. Diderichsen m.fl. (2011). Det er ikke oplagt, hvordan man måler uligheder i sundhed, da det hverken er definitivt, hvad der forstås ved»sundhed«, eller hvad begrebet»ulighed«indbefatter. Der findes en række indikatorer, som beskriver sundhed. Der findes objektive indikatorer som sygelighed målt ved f.eks. kliniske diagnoser i registre og dødelighed. De objek - tive indikatorer er anvendelige i den forstand, at de er nemme at måle og verificere; men de har også den ulempe, at en enkelt indikator ikke i tilstrækkelig grad afspejler personens generelle sundhedstilstand. Generel sundhed er et flerdimensionalt fænomen, der ikke blot kan opgøres i en enkelt indikator såsom f.eks. sygelighed eller dødelighed. For at kunne vurdere det flerdimensionale aspekt af generel sundhed, er det nødvendigt at benytte subjektive indikatorer, hvor selvvurderet helbred er anerkendt og ofte anvendt. Ved selvvurderet helbred forstås individets subjektive vurdering af eget helbred. Indikatoren har jf. blandt andet Ross og Wu (1995) mange fordele. Det reflekterer udover fysiske sygdomme også mere subjektive oplevelser, som ikke nødvendigvis er indeholdt i diagnoser. Dermed lægger det sig tæt op ad Verdenssundhedsorganisationen, WHOs definition af sundhed:»sundhed er en tilstand af fuldkommen legemlig, sjælelig og socialt velvære og ikke blot fravær af sygdom og gener.«idler og Benyamini (1997) finder i en metaanalyse, at selvvurderet helbred er en uafhængig og god prædiktor for dødelighed. Mossey og Shapiro (1982) beskriver ligeledes, at selvvurderet helbred indeholder information, som påvirker helbredet på længere sigt. Selvvurderet helbred afspejler en underliggende forståelse hos individet, som ikke nødvendigvis afspejles i objektive mål. Data er desuden typisk tilgængeligt, da det er et meget ofte stillet spørgsmål i store befolkningsundersøgelser. Selvvurderet helbred er influeret af såkaldt»scale of reference bias«, hvor individets selvrapporterede helbred tager udgangspunkt i forskellige referencegrupper, idet individet ikke har indblik i alle andre individers sundhedstilstand. Sammenligningsgruppen bliver begrænset til at være de nære omgivelser og kan derfor sjældent belyse social ulighed i eksempelvis et internationalt perspektiv, se f.eks. Sen (2002) og Linde boom og van Doorslaer (2004), ligesom referencen afhænger af alderen. Resultatet af»scale of reference bias«er, at to personer kan have samme selvvurderede sundhedstilstand, men forskellig objektiv sundhedstilstand. Dette kan invalidere sammenligninger mellem forskellige populationer eller undergrupper i en population. Det kan ikke udelukkes at der i nærværende undersøgelse er et problem med»scale of refe rence bias«, hvor eksempelvis de parvise geografiske sammenligninger kan tage udgangspunkt i forskellige skalaer. Selvvurderet helbred vil udover objektive forskelle i sundhedsniveau også udtrykke forskelle relateret til eksisterende betingelser, som kan være relateret til uddannelse jf.

57 ULIGHED I SELVVURDERET HELBRED I DANMARK 57 Cutler og Lleras-Muney (2006). Ross og Wu (1995) kritiserer også dette og nævner, at forskelle i betydning, opfattelse og bevidsthed om sundhed og sygdom kan indvirke på socioøkonomiske forskelle i selvrapporteret sundhed. Selvvurderet helbred vurderes ud fra et antal (typisk fem) kategorier, hvor kategorierne er naturligt rangordnede fra dårligste til bedste sundhedstilstand. Kategorierne kan eksempelvis være givet således: dårligt, mindre godt, godt, vældig godt, fremragende, men der er ingen naturlig talværdi knyttet til de enkelte kategorier. I traditionelle analyser af ulighed i selvvurderet helbred indføres en skala eller data opdeles i en god og en dårlig gruppe (dikotomiseres), se f.eks. Wagstaff og van Doors - laer (1994), samt Koch m.fl. (2012). Således kan de kvalitative (ordinale) data kvantificeres, og der kan f.eks. bestemmes en middelværdi, som benyttes som referencepunkt ved sammenligning af fordelinger i traditionelle ulighedsberegninger. Middelværdien er afhængig af hvilken skala der vælges, og det er derfor problematisk blot at vælge en arbitrær skala, da dette kan ændre på resultatet. Ved dikotomisering giver valget af skæringspunktet for opdelingen tab af information. Derfor er det ønskeligt at benytte en metode, hvor ordinale data kan benyttes, uden at skalering eller dikotomisering er nødvendig, og hvor resultaterne derfor er»robuste«over for arbitrær skalering. Det er endvidere relevant både at undersøge uligheder mellem forskellige befolkningsgrupper, men også hvorledes fordelingen af sundhed er inden for gruppen. Allison og Foster (2004) beskriver to metoder, som er uafhængige af skala til at sammenligne henholdsvis uligheder mellem grupper og inden for grupper. Formålet med dette papir er at illustrere brugen af disse metoder på data fra de store danske befolkningsundersøgelser: Sundheds- og sygelighedsundersøgelserne (SUSY) og analysere resultaternes robusthed. Papiret er organiseret som følger. Først belyses problemerne ved at anvende tradi - tionelle middelværdibaserede mål, og samtidig beskrives de skalauafhængige metoder. Herefter introduceres relevante befolkningsopdelinger i Danmark og tilhørende data. Dernæst gennemføres en analyse af uligheder i selvvurderet helbred mellem forskellige befolkningsgrupper, og samtidig undersøges resultaternes robusthed mht. stikprøveusikkerhed. Til sidst i papiret sammenholder vi resultaterne med resultaterne fra en lineær og en dikotom analyse af ulighed. Metode Som beskrevet i indledningen er udfordringen at sammenligne subjektive data uden en naturligt tilknyttet talværdi. Indledningsvis defineres en fordelingsfunktion for helbred, en skala, samt tilhørende middelværdi. Med disse værktøjer kan problemerne med at sammenligne og undersøge ulighed inden for grupper med middelværdibaserede mål vises ved et eksempel. Et alternativ til at sammenligne gruppers niveau af hel-

58 58 NATIONALØKONOMISK TIDSSKRIFT NR. 1 bred, første-ordens dominans, indføres. Til at undersøge ulighed inden for grupper introduceres Allison og Fosters spredning, som i stedet måler spredning væk fra medianen. Medianen er netop uafhængig af skala. For at undersøge for spredning kræves fælles median. Definition af helbredsfordeling En gruppes helbredsfordeling baseret på selvvurderet helbred er givet ved en vektor x = (x 1, x 2,, x n ), hvor n er antallet af svarkategorier, og x i er antallet af personer i den i te kategori. For spørgsmålet: Hvordan synes du, dit helbred er alt i alt? (Dårligt (D), mindre godt (MG), godt (G), vældig godt (VG), fremragende (F)) er x = (x 1, x 2,, x 5 ), og x 1 er antallet af respondenter, der angiver deres helbred som dårligt, etc.. For at bestemme en middelværdi af kategoriske ordinale data indføres en skala. Det er en positiv vektor c = (c 1, c 2,, c n ), hvor c i > c j for alle i > j, som tildeler hver kategori en vægt, så bedre helbred tillægges mere værdi. Middelværdien kan nu bestemmes som (x, c) = x 1 c 1 + x 2 x1 c 2 +x xn x c n n. Medianen, m, er den 50. percentil i en fordeling, svarende til den midterste observation i et datasæt ordnet efter størrelse, i dette tilfælde fra dårligt til fremragende helbred. Middelværdi som mål Som tidligere nævnt kan middelværdi bruges som mål for helbredsniveau, men det kræver en indføring af skala. Valg af skala er et studie for sig, og det er ikke oplagt, at der findes en»naturlig«skala. Et typisk valg af skala er den lineære skala cl = (1,2,3,4,5), men alternativt kan et bedre helbred vægtes relativt højere ved f.eks. at benytte en eksponentiel skala c e = (1,2,4,8,16). For to befolkningsgrupper med ti personer i hver og tilhørende helbredsfordeling, x = (2,2,2,2,2) og y = (3,2,1,1,3), vil den lineære skala medføre at (x,c l ) = 3 > (y,c l ) = 2,9, mens den eksponentielle skala vil medføre at (x,c e ) = 6,2 < (y,c e ) = 6,7. Dermed er middelværdi ikke et robust mål for samlet helbredsniveau, idet der ikke findes en entydig skala. For at undersøge, hvor lige en gruppes sundhed er fordelt, bruges traditionelt variansbaserede mål. Disse benytter sig af middelværdi som referencepunkt for fordelingens»midtpunkt«. For kardinale data er middelværdien et stabilt referencepunkt. For ordinale data er middelværdi som referencepunkt imidlertid ikke stabilt, da valg af skala kan ændre middelværdiens relative placering i fordelingen. I eksemplet var middelværdien i helbredsfordeling y med den lineære skala (y,c l ) = 2,9, som er mellem den 5. og 6. observation, når data rangeres efter størrelse. Med den eksponentielle skala er (y,c e ) = 6,7, som er mellem den 6. og 7. observation. Dette medfører f.eks., at det ikke er muligt entydigt at bestemme, hvor stor en del af gruppen, der har et helbredsniveau over middelværdien.

59 ULIGHED I SELVVURDERET HELBRED I DANMARK 59 Et alternativt referencepunkt er medianen, m. For både kardinale og ordinale data er medianen et stabilt referencepunkt. Første-ordens dominans Første-ordens dominans giver mulighed for at sammenligne helbredsniveau mellem to grupper uden at indføre skala eller benytte middelværdi. Første-ordens dominans er dermed et robust mål, som angiver, om en gruppe entydigt har det bedre end en anden gruppe. En gruppe med helbredsfordeling x første-ordens dominerer en anden gruppe med helbredsfordeling y, hvis man ved at flytte individer i gruppen med helbredsfordeling y til et bedre udfald (f.eks. fra mindre godt til godt selvvurderet helbred) kan opnå helbredsfordelingen x. En formel definition fås f.eks. ved brug af kumulative fordelinger: For to vilkårlige helbredsfordelinger, x og y, siges x at første-ordens dominere y, hvis X k Y k, for alle k = 1,2,..., n hvor X k = k i=1 x i / n i=1 x i er den kumulative fordeling af gruppen i de k laveste kategorier af x. Tilsvarende for Y k. 1 Det vil sige en helbredsfordeling, x, første-ordens dominerer en anden helbredsfordeling, y, hvis det gælder, at y har en større eller samme andel af sin population end x i de laveste k helbredskategorier for alle k. Konkret skal gælde, at andelen, der svarer dårligt helbred, er større for y end x. Desuden skal andelen, der svarer dårligt eller mindre godt helbred, også være større for y end for x og så fremdeles. Spredning Allison og Foster (2004) indfører en medianbaseret rangering, der forholder sig til spredningen af helbredsniveau i gruppen i forhold til mediangruppen. På denne måde kan det undersøges, hvor lige en fordeling af helbredsniveau der er i forskel lige grupper. For to vilkårlige helbredsfordelinger, x og y, siges x at have større spredning end y, hvis x og y har samme mediankategori, m, og der gælder at X k Y k, for alle k < m og X k Y k, for alle k m, hvor X k og Y k som før angiver de kumulative fordelinger. 1. En alternativ formulering er, at x første-ordens dominerer y hvis (og kun hvis) (x, c) (y, c) for enhver skala c. For yderligere diskussion af første-ordens dominans, se for eksempel Østerdal (2010).

60 60 NATIONALØKONOMISK TIDSSKRIFT NR. 1 En helbredsfordeling, x, har dermed større spredning end helbredsfordeling, y, hvis x og y har samme median, og y første-ordens dominerer x under medianen, mens x første-ordens dominerer y over medianen. Det betyder med andre ord, at x har en større andel af sin population væk fra medianen. Hvis en helbredsfordeling x har større spredning end y, har x en mere ulige fordeling af sundhed. Begrænsninger Første-ordens dominans og spredning er i den præsenterede formulering endimensionelle koncepter, men kan med modifikationer udvides til flere dimensioner, se f.eks. Arndt m.fl. (2012) og Sonne-Schmidt m.fl. (2012). Det ene koncept kræver endvidere fælles median. Det er i denne analyse oftest, men ikke altid, opfyldt. Sammenligninger kan kun foregå parvis, og man er ikke garanteret en rangering. Det kan således sagtens forekomme, at en gruppe med helbredsfordeling x ikke førsteordens dominerer en gruppe med helbredsfordeling y, og gruppen med helbredsfordeling y heller ikke første-ordens dominerer gruppen med helbredsfordeling x. Selv hvis gruppen med helbredsfordeling x første-ordens dominerer gruppen med helbredsfordeling y, er der ingen indikation af»graden«af dominans endsige niveauet af helbred i grupperne. Bootstrap For at kunne vurdere robustheden af de fundne resultater anvendes en bootstrapanalyse. Ideen er at udtage stikprøver fra datasættet og se hvor ofte første-ordens dominans/spredning genfindes. Dermed kan man få en indikation af stikprøveusikker - heden samt graden af dominans. 2 Ved bootstrapping udtages N tilfældige stikprøver af samme størrelse som det oprindelige datasæt med tilbagelægning. Bootstrap-stikprøverne afviger fra det oprindelige datasæt ved at nogle individer optræder flere gange, mens andre slet ikke indgår. Bootstrapping kræver, at datasættet, der udtages fra, er repræsentativt for den gruppe, man ønsker at undersøge. I vores tilfælde er kravet således, at respondenterne af spørgeskemaundersøgelsen er repræsentativ for danskerne. 3 For hver stikprøve undersøges for første-ordens dominans og spredning mellem de forskellige undergrupper. Hvis et stort antal af stikprøverne viser første-ordens dominans eller spredning, er det en indikation for sikker dominans eller spredning, hvorimod få stikprøver med dominans eller spredning er tegn på usikkerhed omkring konklusionen. Resultatet af boot- 2. Som anvendt i Arndt m.fl. (2012) i en kontekst med multidimensionale fordelinger. 3. I 2000 og 2005 er der spurgt uforholdsmæssigt mange fra nogle regioner, hvorfor data fra disse år vægtes, se Ekholm m.fl. (2009) og stikprøven bliver trukket baseret på denne vægtning.

61 ULIGHED I SELVVURDERET HELBRED I DANMARK 61 Tabel 1. Antal respondenter Antal respondenter Kilde: Sundheds- og sygelighedsundersøgelserne, Statens Institut for Folkesundhed, Syddansk Universitet. strap-analysen kan dermed ses som en empirisk sandsynlighed for om gruppe A første-ordens dominerer gruppe B henholdsvis har større spredning. Data Statens Institut for Folkesundhed har siden 1987 gennemført nationalt repræsenta - tive undersøgelser af befolkningens sundhed og sygelighed (SUSY-undersøgelserne). Til denne analyse benyttes den seneste landsdækkende undersøgelse»hvordan har du det?«fra 2010, hvor data udelukkende er indsamlet ved et selvadministreret spørgeskema. Der er lavet undersøgelser for alle fem regioner og en national stikprøve. Data i denne analyse er fra den nationale stikprøve, hvor der blev udsendt spørgeskemaer til en repræsentativ gruppe af den danske befolkning på 16 år eller derover. For at belyse udviklingen i selvvurderet helbred over tid benyttes også tidligere SUSY-undersøgelser fra 1994, 2000 og I disse år blev data indsamlet ved at svarpersonerne blev interviewet i deres hjem. Efter interview fik personerne udleveret et selvadministreret spørgeskema. Til analysen benyttes data fra spørgeskemadelen fra SUSY 1994, 2000 og 2005 for at sikre konsistens i indsamlingsmetode og mulighed for at sammenligne med data fra For nærmere information om SUSY-undersøgelserne se Ekholm m.fl. (2007) og Christensen m.fl. (2012). I tabel 1 ses antallet af respondenter i de forskellige år. I 2000 og 2005 er stikprøven ikke repræsentativ, og der er derfor foretaget en vægtning (se Ekholm m.fl., 2009). Der er overordnet overensstemmelse mellem respondenter og den danske befolkning, se bilag 1. I alle fire SUSY undersøgelser bliver selvvurderet helbred bestemt ved spørgsmålet: Hvordan synes du, dit helbred er alt i alt? (Dårligt (D), mindre godt (MG), godt (G), vældig godt (VG), fremragende (F)). 5 I tabel 2 opsummeres svarene på spørgsmålet i de forskellige år. Desuden angives antallet, der besvarer spørgsmålet. Sammenholdt med tabel 1 ses, at der i alt er 391, der 4. I 2000 og 2005 er det de vægtede tal. 5. I år 2000 var det muligt at svare»ved ikke«. Det var der samlet tre personer, der benyttede sig af. De er ikke inkluderet i analysen.

62 62 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Tabel 2. Procentvis fordeling af selvvurderet helbred Total Svar Fremragende 11,6 12,7 12,8 11,9 12,3 Vældig godt 37,6 42,3 40,6 37,8 39,7 Godt 40,0 34,4 36,2 36,7 36,3 Mindre godt 8,9 8,5 8,6 11,5 9,7 Dårligt 2,0 2,1 1,9 2,1 2,0 Antal Kilde: Sundheds- og sygelighedsundersøgelserne, Statens Institut for Folkesundhed, Syddansk Universitet. ikke har besvaret spørgsmålet. Disse er jævnt fordelt over årene samt de forskellige alderskategorier og indgår ikke i analysen. Ulighed mellem hvem? Det er oplagt, at alder har stor betydning for selvvurderet helbred. Ud over de objektive forskelle i sundhed, som resulterer i forskelligt niveau af selvvurderet helbred, påvirker køn og alder måden, man besvarer spørgsmålet om selvvurderet helbred jævnfør f.eks. Lindeboom og van Doorslaer (2004), som finder, at»kvinder og ældre ser ud til at være mildere i deres selvvurdering end deres mandlige og yngre modparter«. Diderichsen m.fl. (2011) motiverer, at uligheder i sundhed forbundet med social position er særlig vigtige at belyse:»både socialgruppe, køn, etnicitet og geografi har stor sundhedspolitisk relevans. Vi vælger at fokusere på den sociale inddeling, fordi uligheder i de andre dimensioner i vid udstrækning er sekundær til den.«i denne undersøgelse har vi valgt at fokusere på ulighed i både geografi, civilstand, uddannelsesniveau og mellem år, med afsæt i Diderichsen m.fl. (2011) s reference til, at disse inddelinger har sundhedspolitisk relevans. Vi benytter uddannelseslængde som mål for social position. Uddannelsesniveau er et godt mål for social position i den forstand, at uddannelsesniveauet er irreversibelt og ikke er omvendt korreleret med sygdom, som det er tilfældet med f.eks. arbejdsmarkedstilknytning eller indkomst, se bl.a. Ross og Wu (1995) og Juel m.fl. (2006). Der er i de seneste år sket store ændringer i sundhedsvæsenet, bl.a. med indførelse af regioner, ventetidsgaranti og en større brug af privathospitaler. Det er interessant, om disse ændringer påvirker danskernes selvvurderede helbred over tid. Derfor undersøges, om der kan findes udvikling i uligheden over tid. I analyserne opdeles på følgende baggrundsvariable: alder, køn, uddannelseslængde, bopælsregion og samlivsstatus, hvor uddannelseslængde og samlivsstatus er selv - rapporteret, og de resterende oplysninger er trukket fra registre.

63 ULIGHED I SELVVURDERET HELBRED I DANMARK 63 Resultater I det følgende undersøges, om der findes hhv. første-ordens dominans (F) og/eller større spredning (S) i selvvurderet helbred i 2010 mellem aldersgrupper, køn, uddannelseslængde, regioner og samlivsstatus. Endvidere undersøges den generelle udvikling over tid. I nogle af delundersøgelserne er medtaget en samlet kategori (Alle), som indeholder alle individer, der indgår i den pågældende delanalyse. Det gør det muligt at sammenligne hver enkelt undergruppe med den samlede gruppe. Undersøgelsen af første-ordens dominans og spredning er desuden replikeret på 1000 bootstrap-stikprøver. Hvis et F eller S replikeres mellem 900 og 949 gange angives det med et F, mellem 950 og 999 med et F, og hvis et F genfindes alle 1000 gange angives dette med et F, tilsvarende for S. De fuldstændige resultater af bootstrap-analysen ses i bilag 2. Alder Indledningsvis undersøges forholdet mellem alder og selvvurderet helbred. Da sammenligninger kun kan laves parvis, deles respondenterne op i fire aldersgrupper (16-24 år, år, år og 65 år). 6 Disse sammenlignes herefter parvis med hinanden og gruppens samlede sundhedsfordeling, dvs. i alt ti parvise sammenligninger. I figur 1 ses resultatet. Nederst ses søjlegruppens median. De to yngste grupper har mediankategorien vældig godt (VG), mens de to ældre grupper og den samlede gruppe har mediankategorien godt (G). Et F i et felt betyder, at søjlekategorien førsteordens dominerer rækkekategorien. Tilsvarende betyder et S, at søjlegruppen har større spredning fra medianen end rækkegruppen. Det vil sige, at F et i 2. søjle, 1. række be - tyder, at undergruppen af årige vurderer eget helbred bedre end den samlede gruppe med alle respondenter. Som forventet første-ordens dominerer gruppen af årige alle ældre alderskategorier. Det samme gør sig gældende for de årige, som første-ordens dominerer grupperne over 45. Tilsvarende for de årige. Dermed er det klart, at 65+-gruppen vurderer deres helbred dårligere end alle andre grupper. Resultaterne af bootstrap-analysen underbygger dette. For at minimere alders betydning i de følgende analyser foretages derfor kun sammenligninger inden for samme aldersgruppe. Undersøgelse af større spredning (S) kræver samme median, så ikke alle undergrupper kan sammenlignes. Blandt dem der kan sammenlignes, er der ingen grupper, der kan påvises at have en større spredning end andre. Dette er ikke overraskende, da spredning kræver, at en gruppe første-ordens domineres under medianen, mens den første-ordens dominerer over medianen. I og med at alle aldersgrupper parvis enten 6. Valget af aldersgrupper er en afvejning af detaljeringsniveau på den ene side, og på den anden det voksende antal sammenligninger samt antallet af respondenter i hver kategori.

64 64 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Alle Alle F F F F F F F F F F Median G VG VG G G Figur 1. Første-ordens dominans og spredning i selvvurderet helbred mellem alders - grupper. Note: Et F indikerer, at søjlekategorien første-ordens dominerer rækkekategorien. Et S indikerer, at søjlekategorien har større spredning end rækkekategorien. I bootstrap-analysen indikerer, at målet genfindes i mellem af replikationerne, tilsvarende for, hvor målet findes i mellem 950 og 999, og indikerer, at det genfindes i alle 1000 replikationer. Der optræder per definition altid første-ordens dominans og spredning i diagonalen. første-ordens dominerer eller bliver første-ordens domineret, er spredning ikke muligt, med mindre mediankategorien er en yderkategori, dvs. fremragende eller dårligt. Ingen af undergrupperne har dog disse medianer, så det er her ikke muligt, at en fordeling både første-ordens dominerer en anden delgruppe og har større spredning end denne. Køn Resultaterne for opdeling på køn ses i figur 2. Inden for hver af de fire aldersgrupper laves igen parvise analyser. Det ses at både de årige og årige har mediankategorien vældig godt, mens de resterende grupper har mediankategorien godt. For gruppen af årige er det ikke muligt at påvise en ulighed mellem køn. For de tre resterende grupper ses, at mænd rapporterer et bedre selvvurderet helbred end kvinder. Disse resultater genfindes kun delvist i bootstrap-analysen, se endvidere figur 9, bilag 2. Det indikerer, at der sandsynligvis er forskelle i mænd og kvinders vurdering af eget helbred. Dermed er det relevant at sikre sig, at eventuelle forskelle i selvvurderet helbred og fordeling i de efterfølgende analyser ikke skyldes en ulige kønssammensætning. Dette gøres ved udover at lave de fælles analyser for hver aldersgruppe også at lave dem opdelt på køn. Da det viser sig ikke at ændre nævneværdigt på resultaterne, vises kun resultater for de fælles analyser.

65 ULIGHED I SELVVURDERET HELBRED I DANMARK årige årige Kvinder Mænd Kvinder Mænd Kvinder F Kvinder F Mænd Mænd Median VG VG Median VG VG årige 65+ -årige Kvinder Mænd Kvinder Mænd Kvinder Kvinder F Mænd Mænd Median G G Median G G Figur 2. Første-ordens dominans og spredning i selvvurderet helbred mellem køn. Note: Se generel note til figur 1. Uddannelse Selvvurderet helbred varierer med uddannelseslængde. I figur 3 ses det tydeligt, at længere uddannelse er forbundet med et bedre selvvurderet helbred. For de tre ældste aldersgrupper er billedet helt klart. Grupperne med kortere uddannelse første-ordens domineres af grupper med længere uddannelse og første-ordens dominerer selv grupper med endnu kortere uddannelse. I bootstrap-analysen, figur 10 bilag 2, ses, at disse forskelle er meget robuste. For de årige har gruppen med 10 år eller kortere uddannelse mediankatego - rien godt, mens resten har mediankategorien vældig godt. Tilsvarende for de årige har alle uddannelsesgrupper mediankategorien godt, mens gruppen med mere end 15 års uddannelse har mediankategorien vældig godt. Aldersgruppen med årige er kun medtaget for fuldstændighedens skyld. Personer under 25 år kan ikke forventes at have afsluttet deres uddannelse, og det er svært at udtrække meningsfuld information om denne aldersgruppes fordeling på uddannelsesniveau.

66 66 NATIONALØKONOMISK TIDSSKRIFT NR årige årige Alle 10 år år år 15 år Alle 10 år år år 15 år Alle S Alle F 10 år F F 10 år F F F F år år F F F år år F 15 år F 15 år Median VG VG VG VG VG Median VG G VG VG VG årige 65+-årige Alle 10 år år år 15 år Alle 10 år år år 15 år Alle F F Alle F F 10 år F F F F 10 år F F F F år F F F år F F år F år 15 år 15 år Median G G G G VG Median G G G G G Figur 3. Første-ordens dominans og spredning i selvvurderet helbred mellem uddannelseslængde. Noter: Se generel note til figur 1. Gruppen»Alle«indeholder desuden kategorierne»anden uddannelse«og»går i skole«. De er udeladt for overskuelighedens skyld. Undersøgelsen er også lavet på mænd og kvinder for sig. Dette ændrer ikke væsentligt på resultaterne. Region I figur 4 fremgår resultaterne af de parvise regionale sammenligninger. Udfaldet varierer med aldersgrupperne. Det ses bl.a., at gruppen af årige har et bedre selv - vurderet helbred i Region Syddanmark end i Region Hovedstaden og Region Midt - jylland samt gruppen af alle. For de resterende tre aldersgrupper har Region Syddanmark dårligere selvvurderet helbred end hele landet. Region Syddanmark og Region Sjælland bliver generelt første-ordens domineret af de resterende regioner for de to midterste aldersgrupper. Inden for aldersgrupperne har alle regioner samme median. Det er derfor muligt at lave parvise sammenligninger af spredningen mellem alle regionerne. Region Sjælland har således en mere ulige fordeling af selvvurderet helbred end Region Syddan-

67 ULIGHED I SELVVURDERET HELBRED I DANMARK årige årige Alle Hovedstaden Midtjylland Nordjylland Sjælland Syddanmark Alle Hovedstaden Midtjylland Nordjylland Sjælland Syddanmark Alle F Alle F F F S Hovedstaden Midtjylland F F F Hovedstaden Midtjylland F Nordjylland Nordjylland S Sjælland Sjælland F F F Syddanmark S Syddanmark F F F F Median VG VG VG VG VG VG Median VG VG VG VG VG VG årige 65+-årige Alle Hovedstaden Midtjylland Nordjylland Sjælland Syddanmark Alle Hovedstaden Midtjylland Nordjylland Sjælland Syddanmark Alle F F Alle Hovedstaden Midtjylland Nordjylland Sjælland Syddanmark F F F F F F F F Hovedstaden Midtjylland Nordjylland Sjælland F F Syddanmark F S F Median G G G G G G Median G G G G G G Figur 4. Første-ordens dominans og spredning i selvvurderet helbred mellem regioner. Noter: Se generel note til figur 1. Undersøgelsen er også lavet på mænd og kvinder for sig. Dette ændrer ikke væsentligt på resultaterne. mark for de helt unge. Der er enkelte rangeringer af spredning, men ikke noget der tegner et klart billede regionerne i mellem. Bootstrap-analysen, figur 11 bilag 2, giver kun Region Hovedstaden en høj grad af første-ordens dominans over Region Syddanmark for de årige. Dette indikerer, at der kun er mindre forskelle på tværs af regioner. Samlivsstatus Associationen mellem samlivsforhold og selvvurderet helbred fremgår af figur 5. Det fremgår, at gifte har bedre selvvurderet helbred end de resterende civilstandsgrupper. De gifte i de to ældste aldersgrupper første-ordens dominerer således alle grupper af enlige, både enker, skilte og ugifte. Dette understøttes til en vis grad af bootstrapanalysen, figur 12 bilag 2. Her genfindes for de to ældste kategorier, at de gifte har det

68 68 NATIONALØKONOMISK TIDSSKRIFT NR årige årige Alle Enlige, enke Enlig, sep., skilt Gift Samlevende Ugift Alle Enlige, enke Enlig, sep., skilt Gift Samlevende Ugift Alle S F Alle F S Enlig, enke F Enlig, enke Enlig, sep., skilt Enlig, sep., skilt F F Gift F F Gift Samlevende S F Samlevende S S Ugift Ugift F Median VG VG VG VG VG VG Median VG G VG VG VG VG årige 65+-årige Alle Enlige, enke Enlig, sep., skilt Gift Samlevende Ugift Alle Enlige, enke Enlig, sep., skilt Gift Samlevende Ugift Alle Enlig, enke F F F Alle Enlig, enke F F F F Enlig, sep., skilt F F F Enlig, sep., skilt F Gift Gift Samlevende Ugift F F F F F Samlevende Ugift F F Median G G G G G G Median G G G G G G Figur 5. Første-ordens dominans og spredning i selvvurderet helbred mellem grupper opdelt på samlivsstatus. Noter: Se generel note til figur 1. Undersøgelsen er også lavet på mænd og kvinder for sig. Dette ændrer ikke væsentligt på resultaterne. bedre end gruppen af alle. For de årige første-ordens dominerer de gifte gruppen af alle, de skilte samt de ugifte. Disse forskelle er dog ikke så tydelige, idet de ikke bekræftes klart i bootstrap-analysen. Aldersgruppen med årige er medtaget for fuldstændighed. Der er flere kategorier med meget få individer, og langt de fleste i denne aldersgruppe er ugifte. Udvikling over tid For at undersøge udviklingen i danskernes helbred over tid benyttes data fra SUSYundersøgelserne fra henholdsvis 1994, 2000, 2005 og De parvise sammenligninger ses i figur 6. For den ældste aldersgruppe tegner der sig et billede af at det selv-

69 ULIGHED I SELVVURDERET HELBRED I DANMARK årige årige F S S F 2010 F Median VG VG VG VG Median VG VG VG VG årige 65+-årige F F 1994 F F F F 2005 S F Median G G G G Median G G G G Figur 6. Første-ordens dominans og spredning i selvvurderet helbred over tid. Noter: Se generel note til figur 1. Undersøgelsen er også lavet på mænd og kvinder for sig. Dette ændrer ikke væsentligt på resultaterne. vurderede helbred var bedst i 2005, som første-ordens dominerer alle andre år. I 2010 ses et dårligere selvvurderet helbred end i 2005, men bedre end i 1994 og i For de årige var det selvvurderede helbred i 1994 dårligere end i 2000 og 2005, mens 2010 hverken første-ordens dominerer eller bliver første-ordens domineret. For de årige var det selvvurderede helbred i 2010 dårligere end i For den yngste aldersgruppe ses en større ulighed i 2010 end i 1994 og I bootstrap-analysen, figur 13 bilag 2, genfindes kun solide forskelle i sundhed for den ældste aldersgruppe, hvor både 2005 og 2010 første-ordens dominerer år Dette indikerer, at der ikke er store forskelle over tid for andre aldersgrupper. Figur 7 viser resultaterne for sammenligning over tid af de samlede grupper. Diskussion Dette papir fremstiller resultaterne af måling af ulighed ved hjælp af en metode til sammenligning af ordinale data. Lineært gennemsnit og dikotomisering har de tidlige-

70 70 NATIONALØKONOMISK TIDSSKRIFT NR årige F S F F Median G VG VG G Figur 7. Samlet alder over tid. Note: Se generel note til figur 1. re beskrevne ulemper, hvor et arbitrært valg af skæringspunkt og dertilhørende tab af information vægter højt som argumenter for brug af en alternativ metode til måling af social ulighed, som f.eks. metoden benyttet i nærværende analyse. Det er derfor oplagt at undersøge om de uligheder, der findes ved lineært gennemsnit og dikotomisering vedbliver, når det er muligt at nuancere selvvurderet helbred til mere end blot to udfald og i så fald, i hvor høj grad konklusionerne fra analysen af den lineære og den dikotome variabel svarer til resultaterne af nærværende analyse. I bilag 3 fremgår beregninger af uligheden i selvvurderet helbred med udgangspunkt i hhv. lineært og dikotomt gennemsnit. I beregningerne af det lineære gennemsnit vægter svarmulighederne således: dårlig = 1, mindre godt = 2, godt = 3, vældig godt = 4, fremragende = 5. I det dikotome gennemsnit er opdelingen lavet således: dårlig og mindre godt = 0 og godt, vældig godt og fremragende = 1. Det dikotome gennemsnit svarer til opgørelsen i Christensen m.fl. (2012), hvor uligheden blandt køn, alder, uddannelsesniveau, erhvervsmæssig stilling, samlivsstatus, etnisk baggrund, region og årstal er illustreret. Som forventet finder vi at første-ordens dominans giver en mere forsigtig konklu - sion end ved brug af det lineære eller det dikotome gennemsnit. Der kan findes eksempler, hvor den lineære og den dikotome analyse har forskellig konklusion. Her findes der ikke første-ordens dominans. Som eksempel kan fremhæves analyserne over tid blandt de årige. Det lineære gennemsnit viser bedst selvvurderet helbred i år Den dikotome analyse viser bedst selvvurderet helbred i år 1994 og år I den skalauafhængige metode kan disse resultater ikke genfindes. Første-ordens dominans og Allison og Fosters spredning giver mulighed for at analysere ulighed, når data er ordinale. Selvvurderet helbred er blot et eksempel på denne type data, og principperne kan benyttes til analyser af uligheder i andre typer data. I en tid, hvor ulighed i sundhed er højt rangeret på mange politiske dagsordener, er det es-

71 ULIGHED I SELVVURDERET HELBRED I DANMARK 71 sentielt, at der findes metoder, som med tilstrækkelig detaljering kan bidrage med viden omkring ulighed i sundhed. Første-ordens dominans og tilhørende bootstrap-teknik kan meningsfuldt bruges til at analysere velfærds-forskelle mellem grupper samt forbedringer over tid og derved give et indblik i uligheden mellem grupperne. Allison og Fosters spredning giver supplerende sammenligninger af uligheden inden for grupperne. Konklusion I dette papir undersøges uligheder i selvvurderet helbred i og mellem aldersgrupper, køn, uddannelsesgrupper, regioner, samlivsstatus og over tid. Analyserne tager udgangspunkt i en metode, der er uafhængig af skala. Vi finder, som forventet, at de yngre aldersgrupper har et bedre selvvurderet helbred end de ældre aldersgrupper. Dette underbygges af en bootstrap-analyse, som finder at resultatet er robust. Derfor laves analyserne opdelt på alder. Undersøgelsen indikerer, at mænd vurderer eget helbred bedre end kvinder, men robusthedsanalysen finder, at resultatet ikke er lige så klart som ved analyserne af alder. Det er generelt ikke muligt at finde robuste uligheder på tværs af regionerne, dog tegner der sig et billede af, at Region Sjælland og Syddanmark har et dårligere selvvurderet helbred end resten af landet for de mellemste alderskategorier. I den yngste alderskategori har Region Syddanmark omvendt et bedre selvvurderet helbred end resten af landet. Analysen viser, at gifte har bedre selvvurderet helbred end de resterende civilstandsgrupper. Dette underbygges også af bootstrapanalysen. Ligeledes findes, at grupper med længere uddannelse har et bedre selvvurderet helbred end grupper med kortere uddannelse. Dette resultat underbygges også i betydelig grad af bootstrap-analysen. Endelig er det, for den ældste aldersgruppe, muligt at vise forbedringer over tid frem til 2005, mens niveauet i 2010 er bedre end 1994 og 2000, men dårligere end Hos de yngre grupper findes der ikke betydelige ændringer over tid. Alt i alt findes der ikke mange robuste uligheder over tid i nærværende analyse. Selvom grupper opfylder kriterier for at undersøge for spredning (dvs. fælles median) finder vi sjældent entydigt større spredning inden for selve gruppen (S). Der findes generelt samme træk i den skalauafhængige analyse som i den lineære og den dikotome analyse, men der findes også steder, hvor konklusionen afviger. Den skalauafhængige metode giver en større nuancering af dokumentation af uligheder sammenlignet med traditionelle metoder, der benytter skalering eller dikotomisering, hvilket var forventeligt.

72 72 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Litteratur Allison, R. A., og J. E. Foster Mea - suring health inequality using qualitative data. Journal of Health Economics, 23, Arndt, C., R. Distante, M. A. Hussain, L. P. Østerdal, P. M. Huong og M. Ibraimo Ordinal Welfare Comparisons with Multiple Discrete Indicators: A First Order Dominance Approach and Application to Child Poverty. World Development 40, Christensen, A. I., M. Davidsen, O. Ekholm, S. Eiberg Hansen, M. Holst og K. Juel Den nationale sundhedsprofil 2010: hvordan har du det? Sundhedsstyrelsen. Christensen, A. I., O. Ekholm, M. Davidsen og K. Juel Sundhed og sygelighed i Danmark 2010 og udviklingen siden Statens Institut for Folkesundhed, Syddansk Universitet. Cutler, D. M. og A. Lleras-Muney Educa tion and Health: Evaluating Theo - ries and Evidence. NBER Working Paper No Diderichsen, F., I. Andersen og C. Manuel. Ulighed i sundhed: årsager og indsatser. Sundhedsstyrelsen, Ekholm, O., M. Kjøller, M. Davidsen, U. Hesse, L. Eriksen, A. I. Christensen og M. Grønbæk Sundhed og sygelighed i Danmark 2005 og udviklingen siden Statens Institut for Folkesundhed, Syddansk Universitet. Ekholm, O., U. Hesse, M. Davidsen og M. Kjøller The study design and cha - rac teristics of the Danish national health interview surveys. Scandinavian Journal of Public Health, 37(7), Idler, E. L. og Y. Benyamini Self- Rated Health and Mortality: A Review of Twenty-Seven Community Studies. Journal of Health and Social Behavior 38, Juel, K., J. Sørensen og H. Brønnum-Hansen Risikofaktorer og folkesundhed i Danmark. Syddansk Universitet. Statens Institut for Folkesundhed. Koch, M. B., M. Davidsen og K. Juel Social ulighed i sundhed, sygelighed og trivsel 2010 og udviklingen siden Statens Institut for Folkesundhed, Syddansk Universitet. Lindeboom, M. og E. van Doorslaer Cut-point shift and index shift in selfreported health. Journal of Health Economics 23, Mossey, J. M. og E. Shapiro Self-Rated Health: A Predictor of Mortality Among the Elderly. American Journal Of Public Health 72, Ross, C. E. og C. Wu The Links Be - tween Education and Health. American Sociological Review 60, 5, Sen, A Health: perception versus observation Self reported morbidity has severe limitations and can be extremely mis - leading. British Medical Journal, 324, 7342, Sonne-Schmidt, C., F. Tarp og L. P. Østerdal Ordinal multidimensional inequa - lity. Manuskript. Wagstaff, A. og E. van Doorslaer Measuring inequalities in health in the presence of multiple-category morbidity indicators. Health Economics 3, Østerdal, L. P The mass transfer ap - proach to multivariate discrete first order stochastic dominance: direct proof and implications. Journal of Mathematical Economics 46,

73 ULIGHED I SELVVURDERET HELBRED I DANMARK 73 Bilag 1 Tabel 3. Procentvis fordeling på køn og aldersgrupper af den danske befolkning og respondenterne Befolkning SUSY Befolkning SUSY Befolkning SUSY Befolkning SUSY Kvinder årige 7,5 8,2 6,5 6,8 6,0 5,1 6,6 6, årige 17,8 20,0 18,0 19,5 17,6 18,1 16,3 15, årige 14,7 15,7 15,8 17,4 16,5 20,3 16,6 19, årige 11,1 8,6 10,7 9,0 10,7 10,4 11,3 12,6 Mænd årige 7,8 7,5 6,7 6,0 6,3 3,5 6,9 4, årige 18,7 19,0 18,7 16,6 18,1 15,2 16,5 12, årige 14,7 13,6 15,9 16,9 16,7 17,8 16,7 18, årige 7,8 7,5 7,7 7,9 8,0 9,7 9,0 10,9 Kilde: Danmarks Statistik og Sundheds- og sygelighedsundersøgelserne, Statens Institut for Folkesundhed, Syddansk Universitet. Note: I 2000 og 2005 er der tale om vægtede tal. Tabel 3 viser respondenternes køn- og alderssammensætning i de respektive år sammenlignet med den danske befolkning. Tabel 4 viser, hvordan data fra 2010 fordeler sig mellem regionerne i forhold til den danske befolkning.

74 74 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Tabel 4. Procentvis fordeling af den danske befolkning og respondenterne fordelt på regioner Hovedstaden Midtjylland Nordjylland Sjælland Syddanmark Befolkning SUSY Befolkning SUSY Befolkning SUSY Befolkning SUSY Befolkning SUSY Kvinder årige 6,9 6,4 7,1 6,9 6,6 6,5 5,7 5,4 6,4 5, årige 18,4 17,1 16,2 16,3 14,6 14,2 15,1 13,2 15,2 14, årige 15,5 18,2 16,5 20,5 16,9 19,5 18,1 20,8 17,1 21, årige 10,8 13,4 10,6 11,2 11,9 11,2 12,0 15,2 11,8 11,9 Mænd årige 6,7 4,7 7,5 5,1 7,3 6,1 6,2 4,3 6,9 4, årige 18,3 13,5 16,7 13,2 15,5 11,5 14,9 9,9 15,6 11, årige 15,4 16,5 16,8 16,7 17,4 19,8 18,1 19,3 17,3 19, årige 7,9 10,3 8,6 10,0 9,8 11,1 10,0 11,9 9,7 11,7 Kilde: Danmarks Statistik og Sundheds- og sygelighedsundersøgelserne, Statens Institut for Folkesundhed, Syddansk Universitet.

75 ULIGHED I SELVVURDERET HELBRED I DANMARK 75 Bilag 2. Bootstrapping FOD: Spredning: Alle Alle Alle Alle Figur 8. Alder. Note: For FOD angiver tallet, hvor mange gange ud af 1000 bootstrap-replikationer, at søjlekategorien første-ordens dominerer rækkekategorien. For Spredning angiver tallet, hvor mange gange ud af 1000 bootstrap-replikationer, at søjlekategorien har større spredning end rækkekategorien. Der optræder per definition altid første-ordens dominans og spredning i diagonalen.

76 76 NATIONALØKONOMISK TIDSSKRIFT NR. 1 FOD: 16+-årige årige Mænd Kvinder Mænd Kvinder Mænd Mænd Kvinder Kvinder årige 65+-årige Mænd Kvinder Mænd Kvinder Mænd Mænd Kvinder Kvinder Spredning: 16+-årige årige Mænd Kvinder Mænd Kvinder Mænd Mænd Kvinder Kvinder årige 65+-årige Mænd Kvinder Mænd Kvinder Mænd Mænd Kvinder Kvinder Figur 9. Køn. Note: Se generel note til bilagsfigur 8.

77 ULIGHED I SELVVURDERET HELBRED I DANMARK 77 FOD: årige årige Alle 10 år år år 15 år Alle 10 år år år 15 år Alle 10 år år år 15 år årige 65+-årige Alle 10 år år år 15 år Alle 10 år år år 15 år Alle 10 år åt år 15 år Alle 10 år år år 15 år Spredning: årige årige Alle 10 år år år 15 år Alle 10 år år år 15 år Alle 10 år år år 15 år Alle 10 år år år 15 år Alle 10 år år Alle 10 år år år 15 år Alle 10 år år år 15 år årige 65+-årige Alle 10 år år år 15 år Alle 10 år år år 15 år Figur 10. Uddannelse. Note: Se generel note til bilagsfigur 8.

78 78 NATIONALØKONOMISK TIDSSKRIFT NR. 1 FOD: årige årige Alle Hovedstaden Midtjylland Nordjylland Sjælland Syddanmark Alle Hovedstaden Midtjylland Nordjylland Sjælland Syddanmark Alle Hovedstaden Midtjylland Nordjylland Sjælland Syddanmark Alle Hovedstaden Midtjylland Nordjylland Sjælland Syddanmark årige 65+årige Alle Hovedstaden Midtjylland Nordjylland Sjælland Syddanmark Alle Hovedstaden Midtjylland Nordjylland Sjælland Syddanmark Alle Hovedstaden Midtjylland Nordjylland Sjælland Syddanmark Alle Hovedstaden Midtjylland Nordjylland Sjælland Syddanmark Spredning: årige årige Alle Hovedstaden Midtjylland Nordjylland Sjælland Syddanmark Alle Hovedstaden Midtjylland Nordjylland Sjælland Syddanmark Alle Hovedstaden Midtjylland Nordjylland Sjælland Syddanmark Alle Hovedstaden Midtjylland Nordjylland Sjælland Syddanmark årige 65+-årige Alle Hovedstaden Midtjylland Nordjylland Sjælland Syddanmark Alle Hovedstaden Midtjylland Nordjylland Sjælland Syddanmark Alle Hovedstaden Midtjylland Nordjylland Sjælland Syddanmark Alle Hovedstaden Midtjylland Nordjylland Sjælland Syddanmark Figur 11. Region. Note: Se generel note til bilagsfigur 8.

79 ULIGHED I SELVVURDERET HELBRED I DANMARK 79 FOD: årige årige Alle Enlig, enke Enlig, sep., skilt Gift Samlevende Ugift Alle Enlig, enke Enlig, sep., skilt Gift Samlevende Ugift Alle Enlig, enke Enlig, sep., skilt Gift Samlevende Ugift Alle Enlig, enke Enlig, sep., skilt Gift Samlevende Ugift OBS: I tre bootstrap-replikationer er der ingen i denne gruppe. I datasættet er der seks unge enlige årige 65+årige Alle Enlig, enke Enlig, sep., skilt Gift Samlevende Ugift Alle Enlig, enke Enlig, sep., skilt Gift Samlevende Ugift Alle Enlig, enke Enlig, sep., skilt Gift Samlevende Ugift Alle Enlig, enke Enlig, sep., skilt Gift Samlevende Ugift Spredning: årige årige Alle Enlig, enke Enlig, sep., skilt Gift Samlevende Ugift Alle Enlig, enke Enlig, sep., skilt Gift Samlevende Ugift Alle Enlig, enke Enlig, sep., skilt Gift Samlevende Ugift Alle Enlig, enke Enlig, sep., skilt Gift Samlevende Ugift årige 65+-årige Alle Enlig, enke Enlig, sep., skilt Gift Samlevende Ugift Alle Enlig, enke Enlig, sep., skilt Gift Samlevende Ugift Alle Enlig, enke Enlig, sep., skilt Gift Samlevende Ugift Alle Enlig, enke Enlig, sep., skilt Gift Samlevende Ugift Figur 12. Samliv. Note: Se generel note til bilagsfigur 8.

80 80 NATIONALØKONOMISK TIDSSKRIFT NR. 1 FOD: årige årige årige 65+-årige Spredning: årige årige årige 65+-årige Figur 13. Over tid. Note: Se generel note til bilagsfigur 8.

81 ULIGHED I SELVVURDERET HELBRED I DANMARK 81 FOD: 16+-årige Spredning: 16+-årige Figur 14. Samlet alder over tid. Note: Note: Se generel note til figur 9.

82 82 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Bilag 3. Lineært og dikotomt gennemsnit Alle Alle F F F F F F 65+ F F F F Median G VG VG G G Gns lin 3,46 3,90 3,68 3,39 3,09 Gns dik 0,86 0,95 0,92 0,85 0,78 Figur 15. Alder. Note: Som figur 1 med lineært og dikotomt gennemsnit tilføjet. Det lineære gennemsnit er beregnet ved at vægte svarmulighederne, så dårlig = 1, mindre godt = 2, godt = 3, vældig godt = 4, fremragende = 5. I det dikotome gennemsnit er opdelingen lavet, så dårlig og mindre godt = 0 og godt, vældig godt og fremragende = 1.

83 ULIGHED I SELVVURDERET HELBRED I DANMARK årige årige Kvinder Mænd Kvinder Mænd Kvinder F Kvinder F Mænd Mænd Median VG VG Gns lin 3,78 4,06 Gns dik 0,94 0,96 Median VG VG Gns lin 3,65 3,72 Gns dik 0,91 0, årige 65+-årige Kvinder Mænd Kvinder Mænd Kvinder Kvinder F Mænd Mænd Median G G Gns lin 3,37 3,41 Gns dik 0,84 0,85 Median G G Gns lin 3,04 3,15 Gns dik 0,76 0,80 Figur 16. Køn. Note: Som Figur 2 med lineært og dikotomt gennemsnit tilføjet. Det lineære gennemsnit er beregnet ved at vægte svarmulighederne, så dårlig = 1, mindre godt = 2, godt = 3, vældig godt = 4, fremragende = 5. I det dikotome gennemsnit er opdelingen lavet, så dårlig og mindre godt = 0 og godt, vældig godt og fremragende = 1.

84 84 NATIONALØKONOMISK TIDSSKRIFT NR årige årige Alle 10 år år år 15 år Alle 10 år år år 15 år Alle S Alle F 10 år F F 10 år F F F F år år F F F år år F 15 år F 15 år Median VG VG VG VG VG Gns lin 3,90 3,79 3,99 3,75 3,88 Gns dik 0,95 0,92 0,96 0,97 0,94 Median VG G VG VG VG Gns lin 3,68 3,32 3,54 3,63 3,83 Gns dik 0,92 0,81 0,89 0,92 0, årige 65+-årige Alle 10 år år år 15 år Alle 10 år år år 15 år Alle F F Alle F F 10 år F F F F 10 år F F F F år F F F år F F år F år 15 år 15 år Median G G G G VG Gns lin 3,39 3,06 3,28 3,42 3,59 Gns dik 0,85 0,74 0,83 0,87 0,90 Median G G G G G Gns lin 3,11 2,90 3,11 3,21 3,34 Gns dik 0,79 0,71 0,79 0,82 0,88 Figur 17. Uddannelse. Note: Som Figur 3 med lineært og dikotomt gennemsnit tilføjet. Det lineære gennemsnit er beregnet ved at vægte svarmulighederne, så dårlig = 1, mindre godt = 2, godt = 3, vældig godt = 4, fremragende = 5. I det dikotome gennemsnit er opdelingen lavet, så dårlig og mindre godt = 0 og godt, vældig godt og fremragende = 1.

85 ULIGHED I SELVVURDERET HELBRED I DANMARK årige årige Alle Hovedstaden Midtjylland Nordjylland Sjælland Syddanmark Alle Hovedstaden Midtjylland Nordjylland Sjælland Syddanmark Alle F Alle F F F S Hovedstaden F Hovedstaden Midtjylland F F Midtjylland F Nordjylland Nordjylland S Sjælland Sjælland F F F Syddanmark S Syddanmark F F F F Median VG VG VG VG VG VG Gns lin 3,90 3,90 3,85 3,97 3,89 3,94 Gns dik 0,95 0,95 0,94 0,95 0,96 0,96 Median VG VG VG VG VG VG Gns lin 3,68 3,70 3,70 3,72 3,65 3,62 Gns dik 0,92 0,93 0,92 0,93 0,92 0, årige 65+-årige Alle Hovedstaden Midtjylland Nordjylland Sjælland Syddanmark Alle Hovedstaden Midtjylland Nordjylland Sjælland Syddanmark Alle F F Alle Hovedstaden Hovedstaden Midtjylland F Midtjylland Nordjylland Nordjylland Sjælland F F F Sjælland F F Syddanmark F F F F Syddanmark F S F Median G G G G G G Gns lin 3,39 3,45 3,43 3,40 3,33 3,31 Gns dik 0,85 0,87 0,86 0,84 0,82 0,84 Median G G G G G G Gns lin 3,09 3,08 3,14 3,15 3,05 3,07 Gns dik 0,78 0,77 0,80 0,81 0,76 0,78 Figur 18. Region. Note: Som Figur 4 med lineært og dikotomt gennemsnit tilføjet. Det lineære gennemsnit er beregnet ved at vægte svarmulighederne, så dårlig = 1, mindre godt = 2, godt = 3, vældig godt = 4, fremragende = 5. I det dikotome gennemsnit er opdelingen lavet, så dårlig og mindre godt = 0 og godt, vældig godt og fremragende = 1.

86 86 NATIONALØKONOMISK TIDSSKRIFT NR årige årige Alle Enlig, enke Enlig, sep., skilt Gift Samlevende Ugift Alle Enlig, enke Enlig, sep., skilt Gift Samlevende Ugift Alle Enlig, enke S F F Alle Enlig, enke F S Enlig, sep., skilt Enlig, sep., skilt F F Gift F F Gift Samlevende S F Samlevende S S Ugift Ugift F Median VG VG VG VG VG VG Gns lin 3,91 3,74 3,83 3,70 3,78 3,96 Gns dik 0,95 0,87 0,83 0,90 0,95 0,96 Median VG G VG VG VG VG Gns lin 3,68 3,55 3,49 3,70 3,70 3,62 Gns dik 0,92 0,90 0,87 0,92 0,94 0, årige 65+-årige Alle Enlig, enke Enlig, sep., skilt Gift Samlevende Ugift Alle Enlig, enke Enlig, sep., skilt Gift Samlevende Ugift Alle F Alle F Enlig, enke F F Enlig, enke F F F Enlig, sep., skilt F F F Enlig, sep., skilt F Gift Gift Samlevende F F Samlevende Ugift F F F Ugift F F Median G G G G G G Gns lin 3,39 3,29 3,24 3,45 3,35 3,15 Gns dik 0,85 0,80 0,78 0,87 0,84 0,77 Median G G G G G G Gns lin 3,11 2,91 3,01 3,20 3,11 2,93 Gns dik 0,79 0,70 0,74 0,82 0,82 0,71 Figur 19. Samliv. Note: Som Figur 5 med lineært og dikotomt gennemsnit tilføjet. Det lineære gennemsnit er beregnet ved at vægte svarmulighederne, så dårlig=1, mindre godt=2, godt=3, vældig godt=4, fremragende=5. I det dikotome gennemsnit er opdelingen lavet, så dårlig og mindre godt=0 og godt, vældig godt og fremragende=1.

87 ULIGHED I SELVVURDERET HELBRED I DANMARK årige årige F S S F 2010 F Median VG VG VG VG Gns lin 3,92 3,93 3,96 3,90 Gns dik 0,98 0,98 0,97 0,95 Median VG VG VG VG Gns lin 3,68 3,77 3,79 3,68 Gns dik 0,95 0,95 0,94 0, årige 65+-årige F F 1994 F F F F 2005 S Median G G G G Gns lin 3,27 3,43 3,43 3,39 Gns dik 0,85 0,87 0,88 0, Median G G G G Gns lin 2,96 3,02 3,15 3,09 Gns dik 0,75 0,76 0,82 0,78 F Figur 20. Over tid. Note: Som figur 6 med lineært og dikotomt gennemsnit tilføjet. Det lineære gennemsnit er beregnet ved at vægte svarmulighederne, så dårlig=1, mindre godt=2, godt=3, vældig godt=4, fremragende=5. I det dikotome gennemsnit er opdelingen lavet, så dårlig og mindre godt=0 og godt, vældig godt og fremragende=1.

88 88 NATIONALØKONOMISK TIDSSKRIFT NR årige F S F F Median G VG VG G Gns lin 3,48 3,55 3,54 3,46 Gns dik 0,89 0,89 0,90 0,86 Figur 21. Samlet alder over tid. Note: Som figur 7 med lineært og dikotomt gennemsnit tilføjet. Det lineære gennemsnit er beregnet ved at vægte svarmulighederne, så dårlig = 1, mindre godt = 2, godt = 3, vældig godt = 4, fremragende = 5. I det dikotome gennemsnit er opdelingen lavet, så dårlig og mindre godt = 0 og godt, vældig godt og fremragende = 1.

89 Nationaløkonomisk Tidsskrift 151 (2013): Trafikulykker, personbilers vægt og kørselsafgifter Thomas Bue Bjørner De Økonomiske Råds Sekretariat, mail: Merete Høj Kjeldsen De Økonomiske Råds Sekretariat, mail: SUMMARY: Accidents are generally considered one of the mayor social costs as - sociated with car traffic. Traditionally, the marginal external accident cost of car use is calculated without distinguishing between the sizes of different cars. The purpose of the paper is to estimate the importance of vehicle weight for the external accident cost of car use. We follow Anderson and Auffhammer (2013) by estimating the importance of passenger vehicle weight for the risk of being killed or (seriously) injured when a car collision occurs. The analysis is based on data covering all police reported ac - cidents in Denmark in the period The empirical analysis shows that heavy passenger cars are more dangerous to the occupants in other cars and that the marginal external accident cost vary significantly with vehicle size. It is found that a 100 kg increase in car weight increases the probability of a fatality in the other car by 14 pct. over the mean fatality rate. This is in the same range as found by Anderson and Auffhammer using data from US. The derived marginal external accident cost is twice as high for the heaviest passenger cars as compared to the lightest passenger cars. Even though vehicle weight is important for the external accident cost, the location of dri - v ing is far more important due to higher accident probabilities in urban areas as compared to rural. For a car of average weight the marginal external accident cost per kilometer is 8 times higher in urban areas as compared to rural areas. 1. Indledning Bilkørsel giver anledning til en række gener for andre trafikanter og samfundet som helhed i form af trængsel, udledning af CO 2, støj og lokal luftforurening. Derudover Analyserne præsenteret i artiklen blev oprindelig udført i forbindelse med udarbejdelsen af kapitlet om Bilbeskatning, ulykker og miljø i De Økonomiske Råd (2013). En nøjere dokumentation og supplerende analyser kan findes i Bjørner mfl. (2013). Kristian Vest Nielsen har bidraget med væsentlig hjælp med be - arbejdning af registerdata. Endvidere takkes De Økonomiske Råds formandskab og medarbejdere i sekretariatet for forslag og kommentarer.

90 90 NATIONALØKONOMISK TIDSSKRIFT NR. 1 kan kørsel også resultere i trafikuheld, der medfører velfærdstab for trafikanterne i form af personskader eller tab af leveår, og som derudover påfører samfundet udgifter til hospitalsbehandling, politi- og redningstjeneste. Der er således en række gener ved bilkørslen, som gør det relevant at regulere trafikken. Teknologiske fremskridt gør det realistisk at tro, at det inden for en overskuelig årrække bliver muligt at opkræve differentierede vejbenyttelsesafgifter i form af GPS baseret road pricing. Det giver mulighed for at pålægge afgifter, som i højere grad afspejler de eksterne omkostninger ved kørsel på forskellige tidspunkter og forskellige strækninger eller områder. Ofte er fokus for overvejelser om indføring af road pricing, hvordan afgifterne skal differentieres i forhold til trængsel, støj og luftforurening. Der har derimod været mindre fokus på, om de eksterne omkostninger varierer med typen af personbiler, f.eks. hvorvidt de marginale eksterne omkostninger er større for store og tunge personbiler sammenlignet med små og lette. I denne artikel undersøges i hvor høj grad, der er forskel i den marginale eksterne ulykkesomkostning for tunge personbiler sammenlignet med lette. Potentielt kan vægten være vigtig for den eksterne ulykkesomkostning og i sidste ende niveauet af kørselsafgifter. Således finder danske opgørelser af de marginale eksterne omkostninger ved bilkørsel, at ulykkesomkostningen pr. km er den næstvigtigste komponent kun overgået af trængsel, jf. DTU Transport (2010) og De Økonomiske Råd (2013). I traditionelle state-of-the-art opgørelser af de eksterne ulykkesomkostninger an - tages typisk, at transportmidler inden for en given kategori er homogene, dvs. der skelnes ikke mellem forskellige størrelser af personbiler. Dermed ignoreres den øgede risiko, som f.eks. en tung personbil udgør for en lettere personbil. Nyere undersøgelser fokuserer imidlertid på denne risiko, idet risikoen for dødsfald eller alvorlig personskade er højere, hvis man støder ind i en tungere personbil sammenlignet med en lettere personbil. Samtidig er risikoen for personskade mindre for førere og passagerer i tunge personbiler, jf. Anderson og Auffhammer (2013), Ommeren mfl. (2013) og Hultkrantz og Lindberg (2011). 1 Den øgede sikkerhed ved at køre i en større og tungere bil har karakter af at være en intern gevinst for brugerne af den tunge bil, mens den øgede risiko for andre trafikanter har karakter af at være en ekstern omkostning. Dette kan betegnes som en form for»vægteksternalitet«, som implicerer, at en ureguleret personbilpark bliver ineffektiv tung. I den amerikanske litteratur er dette ligefrem blevet beskrevet som et»våbenkap- 1. Der lægges i artiklen vægt på at relatere resultaterne til lignende undersøgelser inden for transportøkonomi. Ud over disse bidrag er der tillige en række analyser inden for trafiksikkerhedsforskning, som også inddrager spørgsmålet om personbilers vægt, men uden at fokusere på betydningen for den marginale eksterne ulykkesomkostning ved kørsel. Nylige eksempler på dette er Abay mfl. (2013) og Hels mfl. (2012), som ved brug af danske data fokuserer på at belyse effekten på alvorligheden af ulykker af henholdsvis brugen af sikkerhedsseler og bilernes alder.

91 TRAFIKULYKKER, PERSONBILSERS VÆGT OG KØRSELSAFGIFTER 91 Antal Dræbte Alvorligt tilskadekomne Lettere tilskadekomne Figur 1. Udvikling i antal dræbte og skadede ved trafikulykker. Kilde: Danmarks Statistik, Statistikbanken. løb«på vejene, hvor alle ønsker en større bil, jf. White (2004). Vægteksternaliteten tilsiger, at der bør være en højere afgift på brugen af en tung personbil sammenlignet med en let personbil. I artiklen præsenteres en analyse af sammenhængen mellem personbilers vægt og alvorligheden af uheld baseret på oplysninger fra Vejdirektoratets database for færdselsuheld for perioden Analysen viser, at vægten af personbilerne har væ - sentlig betydning for størrelsen af de marginale eksterne omkostninger. Således er den marginale eksterne ulykkesomkostning op mod dobbelt så stor for de tungeste personbiler sammenlignet med de letteste. Selvom der er betydelig forskel i den marginale eksterne ulykkesomkostning mellem lette og tunge personbiler, så er det imidlertid vigtigere, hvor der køres, da den marginale eksterne ulykkesomkostning er betydelig højere ved kørsel i byerne end ved kørsel uden for byerne. Som introduktion gives i næste afsnit en kort beskrivelse af udviklingen og sammensætningen af trafikulykker i Danmark, mens der i afsnit 3 er en kort opsummering af traditionelle tilgange til at opgøre den marginale eksterne ulykkesomkostning ved bilkørsel. I de resterende afsnit er fokus på den empiriske analyse af bilvægtens betydningen for alvorligheden af ulykker ved sammenstød mellem personbiler. Den empiriske model præsenteres i afsnit 4, mens datakilder beskrives i afsnit 5. Estimationsresultater præsenteres i afsnit 6, hvorefter der foretages en beregning af de marginale eksterne ulykkesomkostninger for biler af forskellig størrelse i afsnit 7. En række afgiftsmæssige problemstillinger diskuteres i afsnit 8. I afsnit 9 konkluderes.

92 92 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Tabel 1. Fordeling af personskader på transportmiddel og modpart, Modpart (kun første modpart) Personbil Varebil (over to ton) Lastbil Bus Motorcykel Gående/cykel/ knallert Andet Forhindring/ingen modpart Sum af skadede i det givne transportmiddel Antal skadede for transportmiddel i alt (også flere elementer end to) Andel skadede i de første to elementer Personbil % Varebil (over to ton) % Lastbil % Bus % Motorcykel % Gående/cykel/ knallert % Andet % Sum af skadede % Anm: I kategorien»personbil«indgår også taxa og mindre varebiler under to ton. Kategorien»andet«omfatter f.eks. udrykningskøretøjer og traktorer. Søjlen»sum af skadede i det givne transportmiddel«omfatter kun skadede for de første to køretøjer i et uheld. Søjlen»antal skadede for transportmiddel i alt«omfatter alle skadede ved trafikulykker i perioden. For personbiler kan det f.eks. være sammenstød med tre personbiler, hvor der er tilskadekomne i alle biler. Kilde: Egne beregninger på baggrund af Vejdirektoratets database for færdselsuheld. 2. Udvikling og sammensætning af trafikulykker I 2011 blev personer skadet i trafikken. Heraf blev 220 dræbt, alvorligt tilskadekommen, mens kom lettere til skade. Siden 1998 er antallet af skadede mere end halveret, jf. figur 1. Faldet i antallet af skadede er større for de lettere personskader end for dræbte og alvorlige personskader. Tendensen med faldende antal dræbte ved trafikulykker findes også i en række andre vestlige lande, jf. OECD og ITF (2011). Faldet i ulykker skyldes formentlig en kombination af flere forhold såsom sikrere personbiler, faldende gennemsnitshastigheder og sikrere veje. Tabel 1 viser, hvordan summen af rapporterede personskader for årene er fordelt i forhold til den skadedes transportmiddel, samt hvem der var (første) modpart i uheldet. En modpart kan være en anden trafikant, eller der kan være tale om en ene - ulykke (forhindring/ingen modpart) Tallene vist i figur 1 og tabel 1 stammer fra Vejdirektoratets database for færdselsuheld, som er indberettet af politiet. Opgørelser baseret på oplysninger fra skadestuer og hospitaler tyder imidlertid på, at der er betydelig underrapportering i Vejdirektoratets opgørelse. Underrapporteringen er især stor for lettere personskader ved eneulykker og for lette trafikanter (cykel/gang), mens der ikke anses for at være underrapportering i antallet af trafikdræbte.

93 TRAFIKULYKKER, PERSONBILSERS VÆGT OG KØRSELSAFGIFTER 93 Andel 0,14 0,12 0,10 0,08 0,06 0,04 0,02 0, Vægt for modpart i 100 kg Højeste skadesgrad alvorlig skadet eller dræbt Figur 2. Risiko for at blive dræbt eller alvorligt personskadet afhængig af vægt af den anden personbil. Anm: Risiko for at blive dræbt eller alvorlig personskadet for fører/passagerer i personbil med vægt på kg afhængig af vægten af den anden personbil. Kilde: Egne beregninger på baggrund af Bilregisteret og Vejdirektoratets database for færdselsuheld for I den treårige periode er i alt personer rapporteret dræbt eller skadet i trafikken. Af disse har kørt i personbil, mens 279 har kørt varebil osv. Hovedparten af de skadede har enten kørt i personbiler eller været ubeskyttede, lette trafikanter, som fodgængere, cyklister eller førere af knallert/motorcykel. Af de skadede i personbiler er modparten i trafikuheldet typisk en anden personbil (3.472 tilfælde). Sammenstød mellem personbiler tegner sig således i alt for ca. ¼ af alle rapporterede personskader ved trafikuheld. Den empiriske analyse præsenteret i artiklen fokuserer på skader ved sammenstød mellem personbiler, og hvordan disse skader afhænger af vægten af de involverede personbiler. Det er i figur 2 illustreret, at vægt har betydning for skadesgraden. Figuren viser, hvordan risikoen for at blive dræbt eller alvorligt skadet i forbindelse med sammenstød for førere og passagerer i en bil af»normal«størrelse ( kg) varierer med vægten af modpartens bil. Det fremgår, at risikoen (givet der sker et sammenstød) for at blive dræbt eller alvorlig skadet er 4 pct., hvis modparten er en lille bil, mens risikoen er ca pct., hvis modparten er en stor personbil på mindst kg. 3. Eksterne omkostninger ved trafikulykker Der er en række omkostninger (i bred forstand) ved trafikuheld. Den empiriske analyse af sammenhængen mellem vægt og alvorligheden af sammenstød mellem person-

94 94 NATIONALØKONOMISK TIDSSKRIFT NR. 1 biler fanger nogle, men langtfra alle elementer, af de eksterne omkostninger ved ulykker. I dette afsnit gives en kort introduktion til, hvordan den marginale eksterne omkostning ved ulykker typisk opgøres. Nogle af omkostningerne ved trafikuheld må trafikanterne forventes at inddrage i deres egen adfærd. Det er derfor ikke alle omkostningerne ved trafikuheld, som har karakter af at være eksterne. Det må således formodes, at trafikanterne er bevidste om, at der forekommer trafikuheld, og at de dermed udsætter sig selv for en risiko, når de færdes i trafikken. I trafikøkonomiske analyser antages det derfor traditionelt, at trafikanterne inddrager den forventede omkostning ved at udsætte sig selv for en risiko. Tilsvarende antages det normalt, at trafikanterne via forsikringspræmien har indregnet materielle skader. 3 De forventede omkostninger ved ulykker i form af skade på trafikanten selv og i form af materielle skader indgår dermed typisk ikke i de eksterne omkostninger. Der er dog også omkostninger ved trafikulykker, som har ekstern karakter i den forstand, at trafikanten som udgangspunkt ikke betaler for disse omkostninger, og dermed ikke kan forventes at indrette sin transportadfærd derefter. Traditionelt skelnes i litteraturen mellem tre typer af eksterne ulykkesomkostninger, når en bilist kører en ekstra km, jf. f.eks. Lindberg (2001) og Parry mfl. (2007): 1. Omkostninger som påføres samfundet f.eks. i form af sundhedsudgifter og udgifter til politi og redningstjeneste (dette betegnes ofte som»systemomkostninger«). 2. Omkostninger som en tung kategori af trafikanter påfører andre kategorier af især lettere/ubeskyttede trafikanter, f.eks. risikoen som bilister udgør for fodgængere, cyklister og knallertkørere. 3. Ændret ulykkesrisiko for andre trafikanter ved øget trafik, dvs. det forhold, at en stigning i den samlede trafik kan øge (eller mindske) den gennemsnitlige risiko for andre trafikanter. De to første kategorier af eksterne omkostninger bidrager altid entydigt til, at der er marginale eksterne ulykkesomkostninger. Den tredje kategori, som vedrører påvirkningen af ulykkesrisikoen pr. kørt km ved øget trafik, kan isoleret set have karakter af enten en ekstern omkostning eller en ekstern gevinst (eller være neutral). Fortegnet på dette bidrag afhænger af, om den gennemsnitlige ulykkesrisiko vokser eller falder, når trafikken øges. Intuitivt vil man nok forvente, at ulykkesrisikoen pr. kørt km stiger, når 3. Forsikringspræmien er i et vist omfang differentieret i forhold til risikoen for den enkelte bilist enten ud fra den enkelte bilists skadeshistorik eller ud fra forventet risikoprofil i forhold til f.eks. alder. Hvis præ mien er helt uafhængig af bilisters risikoadfærd, kan der sættes spørgsmålstegn ved, om materielle skader kan betragtes som internaliserede via forsikringspræmien.

95 TRAFIKULYKKER, PERSONBILSERS VÆGT OG KØRSELSAFGIFTER 95 der kommer flere biler på vejene. Både udenlandske og danske undersøgelser tyder imidlertid på, at antallet af ulykker ikke vokser i samme takt som trafikken, således at ulykkesrisikoen pr. km i realiteten falder ved øget trafik, jf. f.eks. Friedstrøm (2011) og Vejdirektoratet (2012). Isoleret set vil den lavere ulykkesrisiko have karakter af en positiv eksternalitet. Beregninger af den marginale eksterne ulykkesomkostning viser imidlertid, at de to første bidrag overskygger effekten af lavere ulykkesrisiko ved øget kørsel, jf. Bjørner mfl. (2013). Alt i alt giver de tre ovenstående»traditionelle«bidrag til den marginale eksterne ulykkesomkostning en omkostning ved brug af personbil på 0,07 kr. pr. km. Den marginale eksterne ulykkesomkostning er væsentlig højere i byerne (0,29 kr. pr. km) og betydelig lavere uden for byerne (0,01 kr. pr. km). Den højere omkostning i byerne skyldes, at der er en større risiko for sammenstød ved kørsel i byerne og især en større risiko for sammenstød mellem biler og bløde trafikanter. 4 I de metoder, der typisk anvendes til at beregne de tre ovennævnte bidrag til den marginale eksterne ulykkesomkostning, antages det typisk, at transportmidler inden for en given kategori er homogene, således at der ikke skelnes mellem forskellige størrelser af personbiler. Det medfører i realiteten, at den øgede risiko, som f.eks. en tung personbil udgør for en lettere personbil vægteksternaliteten ikke indgår i opgørelsen. Nyere udenlandske undersøgelser tyder imidlertid på, at bidraget fra vægt - eksternaliteten kan være ganske betydeligt, jf. Anderson og Auffhammer (2013) samt Hultkrantz og Lindberg (2011). 4. Model til analyse af sammenhængen mellem bilvægt og alvorligheden af ulykker I de følgende afsnit estimeres bilvægtens betydning for alvorligheden af uheld, og hvad dette i sidste ende betyder for størrelsen af den marginale eksterne ulykkesomkostning for store, tunge personbiler sammenlignet med lette personbiler. Overordnet set følger beskrivelsen tilgangen i Anderson og Auffhammer (2013). 5 Der fokuseres således på betydningen af personbilernes vægt for alvorligheden af ulykken betinget af, at der sker en ulykke. 4. Opgørelsen af den marginale eksterne ulykkesomkostning for personbiler i Bjørner mfl. (2013) er under halvt så stor som de hidtil gængse nøgletal for den marginale eksterne ulykkesomkostning, jf. DTU Transport (2010). Forskellen skyldes formentlig, at sidstnævnte er baseret på ældre data og således ikke har indregnet det markante fald i antallet af ulykker i de sidste år, jf. figur 1. Derudover kan der være metodiske forskelle f.eks. i forhold til antagelserne vedr. udviklingen i sammenhængen mellem stigninger i trafikken og ændringer i den gennemsnitlige risiko. 5. Anderson og Auffhammer (2013) medtager udelukkende velfærdsomkostninger i forbindelse med dødsfald, dvs. de medtager ikke de eksterne omkostninger ved alvorlige og lettere personskader. De estimerer derfor en almindelig probitmodel, mens der her estimeres ordered logit modeller for skadesgrad. Derudover er anvendt logaritmen til vægten af modpart og ramt bil, da der ud fra fysiske love kan argumenteres for, at dette er den korrekte funktionelle form, jf. Ommeren mfl. (2013) og Evans (1994). Estimationer uden log transformation af vægten synes også at være dårligere (lavere loglikelihood værdier).

96 96 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Der ses på sammenstød mellem to personbiler. Lad den ene bil være den ramte (R) og den anden bil modparten (M). Benævnelsen ramt og modpart er helt arbitrære og er ikke udtryk for, hvem der er skyld i uheldet eller hvilken bil, det er gået hårdest ud over. Lad Y Ri * være en kontinuert variabel, som måler den højeste skadesgrad for førere og passagerer i den ramte bil (hvor i angiver observation). Lad Y Ri * være beskrevet ved følgende form: Y * Ri = 1 log(kg Mi ) 2 log(kg Ri ) + 1 U i + 2 B Mi + 3 B Ri + 4 S Mi + 5 S Ri + i (1) Her er KG M og KG R vægten af modpartens bil og vægten af den ramte bil. Således er 1 en parameter, som beskriver den»eksterne effekt«af at støde sammen med en anden bil af en given vægt, mens 2 er et mål for den interne sikkerhedsgevinst ved øget vægt, dvs. hvor meget risikoen mindskes ved selv at køre i en tung bil, givet der forekommer sammenstød. Øvrige variable er forskellige vektorer af kontrolvariable, hvor U er karakteristika ved uheldet (tidspunkt, hastighedsbegrænsning, type af uheld mv.), B M og B R er andre karakteristika ved modpartens bil og den ramte bil (bilens al - der/indregistreringsår, bilmærke mv.), mens S M og S R er socioøkonomiske karakteristika for fører af modpartens bil og den ramte bil (alder, køn, uddannelse mv.). Med - tagelse af socioøkonomiske karakteristika for førerne kan dels tjene som en indikator for køreadfærd og dels være en indikator for, hvor udsatte personerne er ved sammen - stød. For eksempel må det formodes, at ældre personer har nemmere ved at blive alvorligt skadet, da de lettere får brud på knogler end yngre. Vi observerer ikke en kontinuert variabel for skadesgraden i den ramte bil men i stedet en kategoriseret variabel Y Ri, som har værdien 3 for dræbte, værdien 2 ved alvorligt tilskadeskomne, 1 ved lettere tilskadeskomne og 0 ved uskadt. Da skadesgraden er en ordnet diskret variabel, tages udgangspunkt i en ordered logit model, som kan opskrives som følger, hvor alle de forklarende variable fra ligning (1) forenklende sammenfattes til X i. exp( j + X i ) P(Y Ri > j) =, j = 1, 2,..., K 1 (2) 1 + [exp( j + X i )] Her er K antallet af kategorier i den ordnede afhængige variabel, dvs. i vores tilfælde er K = 4. Det er som nævnt helt arbitrært, hvilken af de to personbiler, som er den»ramte«,

97 TRAFIKULYKKER, PERSONBILSERS VÆGT OG KØRSELSAFGIFTER 97 og hvilken, der er»modpart«. For hvert sammenstød dannes to observationer, hvor den bil, der er ramt i den ene observation, er modpart i den anden observation. 6 I den almindelige ordered logit model antages, at effekten af f.eks. logaritmen af modpartens vægt er fanget ved en enkelt parameter, som bestemmer alle overgange i skadesgrader, f.eks. både fra uskadt til lettere personskadet og fra alvorlig personskadet til dræbt. Hovedparten af de anvendte observationer har lave skadesgrader uden personskade eller kun med lettere skade, mens der er få observationer med dræbte i datasættet. I realiteten betyder dette, at de estimerede parametre i ordered logit modellen fortrinsvis er bestemt af påvirkningen af ændringer i de forklarende variable på sandsynligheden for at gå fra at være uskadt til at være lettere personskadet. Det er imidlertid ikke oplagt, at betydningen af modpartens vægt er den samme for overgang mellem forskellige skadesgrader. For at undersøge dette estimeres derfor også en såkaldt generaliseret ordered logit model, der er en mere fleksibel model end en ordered logit model, jf. Williams (2006). Den generaliserede ordered logit model kan opstilles som: exp( j + X i j ) P(Y Ri > j) =, j = 1, 2,..., K 1 (3) 1 + [exp( j + X i j )] Som det fremgår af ligning (3) estimeres i den generaliserede ordered logit model i alt tre sæt af parametre, hvor der i den almindelige ordered logit model kun estimeres et sæt parametre. Hvert sæt beskriver overgangen mellem de kategoriserede skadesgrader. 7 De beskrevne modeller fokuserer alene på betydningen af modpartens vægt for alvorligheden af en ulykke betinget af, at der er indtruffet en ulykke. Det betyder, at de estimerede modeller kun medtager den samlede effekt af bilvægt, hvis risikoen for at blive involveret i et sammenstød er uafhængig af bilens vægt. En sammenligning af vægtfordelingen for personbiler involveret i sammenstød med vægtfordelingen for alle personbiler tyder ikke umiddelbart på, at risikoen for at blive involveret i et sammenstød afhænger af vægten, jf. afsnit Ved beregningen af standard afvigelser i estimationen tages højde for, at restleddene for parvise observationer (samme uheld) ikke kan antages uafhængige. Konkret anvendes cluster robuste standardafvigelser, hvor de to observationer for hvert uheld er et cluster. 7. Det første sæt parametre svarer til resultatet af en almindelig binær logit model for sandsynligheden for at blive personskadet/dræbt overfor ingen personskade (dvs. skadesgrad 1-3 overfor 0). Det andet sæt af parametre svarer til sandsynligheden for skadesgrad 0 eller 1 overfor skadesgrad 2 eller 3, mens det tredje sæt af parametre beskriver overgangen fra skadesgrad 0-2 overfor skadesgrad 3.

98 98 NATIONALØKONOMISK TIDSSKRIFT NR Data Analysen tager udgangspunkt i et udtræk fra Vejdirektoratets register for færdsels - uheld for perioden Dette register indeholder oplysninger om alle færdsels - uheld, som er kommet til politiets kendskab. For færdselsuheld uden personskade indgår kun uheld, hvor der er større materielle skader på køretøjet. Til dette register er koblet oplysninger fra bilregisteret i Danmarks Statistik, som indeholder oplysninger om bl.a. bilernes vægt, alder og bilmærke (dvs. Toyota, Ford, Opel osv.). For førere og tilskadekomne passagerer er knyttet en række socioøkonomiske variable fra andre registre i Danmarks Statistik (alder, køn, antal børn, uddannelse mv.). For uheld i år t er knyttet registeroplysninger for år t-1 (ultimo). I perioden er der i alt ulykker. Af disse er i alt uheld, hvor to»personbiler«støder sammen. Personbiler er her defineret som køretøjer, der ifølge færdselsuheldsregisteret er personbiler, taxaer og små varebiler (dvs. biler på gule plader eller papegøjeplader). Uheld, hvor det ene af køretøjerne er parkeret, indgår ikke. For ca. en syvendedel af sammenstødene mellem to personbiler var det ikke muligt at få relevante oplysninger fra bilregisteret for den ene af de to biler, og dermed heller ingen oplysninger om bilens vægt. Dette skyldes oftest, at det ene af køretøjerne er udenlandsk. I en række tilfælde har det ikke været muligt at knytte socioøkonomiske oplysninger til mindst én af de involverede i en ulykke. Dette skyldes ligeledes typisk, at en af førerne har været udlænding. Endelig er specielle observationer eller observationer med manglende eller potentielt fejlagtige oplysninger udeladt. For eksempel er udeladt observationer, hvor 1) køretøjets vægt er under 600 kg eller over kg, 2) køretøjet ifølge bilregisteret ikke er personbil, taxa eller varebil (selv om de betegnes som sådan i færdselsuheldsdatabasen), 3) køretøjet er ældre end 25 år i ulykkesåret og 4) hastighedsgrænsen på uheldsstedet er uoplyst. Samlet giver dette et datasæt med sammenstød, hvor der er oplysninger om begge køretøjers vægt og andre variable fra motorregisteret, og et lidt mindre datasæt med oplysninger for sammenstød, som derudover også indeholder de væsentligste socioøkonomiske variabler for førere i begge køretøjer. De sammenstød giver et datasæt med i alt observationer for skadesgraden i begge biler. Fordelingen af den afhængige variabel for højeste skadesgrad for fører og passagerer er vist i tabel 2 og sammenlignet med det samlede antal dræbte og tilskadekomne i uheldene. Variablen for højeste skadesgrad skelner ikke mellem, om der er én eller flere dræbte i det enkelte køretøj. Derfor er antallet af dræbte i estimationsdata (388 dræbte) lidt højere end antallet af observationer, hvor højeste skadesgrad er dræbt (339 observationer). Gennemsnitsvægten for bilerne i estimationssamplet er knap kg. Fordelingen er højreskæv med mange biler med en vægt lidt under gennemsnittet, mens der er få

99 TRAFIKULYKKER, PERSONBILSERS VÆGT OG KØRSELSAFGIFTER 99 Tabel 2. Antal tilskadekomne og højeste skadesgrad i estimationsdata, Alle Estimationsdata Højeste skadesgrad fører og sammenstød passager (andel i %) Dræbte (0,66 %) Alvorlig skadede (5,83 %) Lettere skadede (9,41 %) Kun materiel skade (84,09 %) N (100,0 %) rigtig tunge personbiler. De tungeste biler i datasættet inkluderer bl.a. biler som Hummer H2 og Land Rover Discovery 3, som vejer omkring kg. En oversigt over de anvendte forklarende variable findes i tabel 3. En række andre variable er undersøgt i foreløbige estimationer (f.eks. lygtefejl på bilerne og sigtforhold), men er ikke medtaget i de gengivne estimationer. Disse variable indgår ikke i tabel 3. I en række tilfælde er afprøvet finere opdelinger af variable, f.eks. vedr. alders - kategorier eller uddannelseskategorier. 6. Estimationsresultater I første omgang anvendes den almindelige ordered logit model til indledende estimationer. Efterfølgende anvendes den generaliserede logit model til at undersøge om parameteren til f.eks. vægt er den samme for overgang mellem forskellige skadesgrader. I tabel 4 vises estimationsresultater fra ordered logit modeller. Tabellen illustrerer i hvilket omfang, parameteren til (logaritmen af) vægten af modpartens bil påvirkes af medtagelse af flere forklarende variable. Det fremgår, at større vægt af modpartens bil i alle estimationerne har en (numerisk) positiv og statistisk signifikant effekt på skadesgraden i den ramte bil. Endvidere fremgår det, at høj vægt af den ramte bil mindsker skadesgraden for fører og passagerer i den ramte bil. Ud over den første estimation, hvor der kun er medtaget vægten af den ramte bil og modpartens bil, er parameteren til vægten af modpartens bil rimelig stabil i de forskellige estimationer. Ses på de estimerede parametre til de forskellige kontrolvariable fås generelt plausible fortegn. Hastighedsgrænsen på det sted, hvor uheldet skete, er en indikator for den faktiske hastighed. Som forventet øges skadesgraden med hastighedsbegrænsningen. Endvidere er skadesgraden mindre i byer end på landet. Hvis den ramte bil er nyere (årgang) reduceres skadesgraden. Dette er formentlig udtryk for, at sikkerhedsstandarden løbende forbedres i takt med teknologisk udvikling. Årgangen af modpartens bil er til gengæld ikke gennemgående statistisk signifikant. En tolkning af dette er, at man udsætter sig selv for øget risiko, hvis man vælger en gammel bil, men man er tilsyneladende ikke til større fare for andre bilister, når der sker et sammenstød.

100 100 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Tabel 3. Oversigt over variable. Færdselsuheldsregisteret: Færdselsuheldsregisteret: Registre i Danmarks Statistik: Variable vedr. uheldet Variable vedrørende førerne Uheldsår Skadesgrader fører/passager (R) Bilregisteret/Motorregisteret: Hastighedsgrænse uheldssted Kvindelig fører (R/M) Vægt i 100 kg (R/M) Byområde Under 23 år, mand (R/M) År for 1. indregistrering (R/M) Region af Danmark Under 23 år, kvinde (R/M) Op til 62 forskellige bilmærker Sprituheld (mindst en fører) årig fører (R/M) (Toyota, Ford mv.) (R/M) Narkouheld (mindst en fører) 80+-årig fører (R/M) Socioøkonomiske karakteristika Vådt føre Ukendt alder ( a ) (R/M) for førerne (div. registre): Glat føre (sne/is) Sikkerhedssele ikke brugt (R/M) Antal voksne i familien (R/M) Vejudformning: Har ikke kørekort (R/M) Antal børn i familien (R/M) Krydsuheld Uddannelse (højeste igang- Rundkørsel værende eller fuldførte Kurve uddannelse) (R/M): Lige vej (basis) Uoplyst Uheldstype Ufaglært (basis) Påkørt bagfra Gymnasial Overhaling/vognbaneskift (basis) Faglærte Mødeuheld (frontal) Kort videregående Svingning, samme kurs Mellemlang videregående Svingning, modsat kurs Lang videregående Krydsende uden sving Ledighedsgrad (R/M) Krydsende med sving Log bruttoindkomst (R/M) Vejtype Motorvej Motortrafikvej Øvrig statsvej Kommuneveje (basis) Dummy for flere»elementer«end to biler i uheld (f.eks. cykel, forhindring) Anm: I oversigten angiver (R/M), at variablen er medtaget både for den ramte bil og for modpartens bil. Note: ( a ) Ukendt alder vedrører førere, hvor alder ikke er oplyst i færdselsuheldsregistreret, og hvor føreren ikke har kunnet matches med registeroplysninger via CPR nummer.

101 TRAFIKULYKKER, PERSONBILSERS VÆGT OG KØRSELSAFGIFTER 101 Tabel 4. Ordered logit estimationer for højeste skadesgrad for fører og passagerer. Estimation Par. p-værdi Par. p-værdi Par. p-værdi Par. p-værdi Par. p-værdi Par. p-værdi Vægt af modpart (M), log 0,540 0,00 0,770 0,00 0,800 0,00 0,836 0,00 0,925 0,00 0,957 0,00 Vægt for ramt bil (R), log -1,299 0,00-1,140 0,00-0,972 0,00-1,052 0,00-1,035 0,00-1,019 0,00 Årgang (M) -0,008 0,00-0,007 0,01-0,003 0,22-0,005 0,08-0,006 0,05 Årgang (R) -0,012 0,00-0,018 0,00-0,014 0,00-0,016 0,00-0,016 0,00 År for uheld (trend) -0,034 0,00-0,035 0,00-0,056 0,00-0,056 0,00-0,058 0,00 Hastighedsgrænse 0,009 0,00 0,009 0,00 0,024 0,00 0,024 0,00 0,024 0,00 By -0,987 0,00-0,951 0,00-0,545 0,00-0,542 0,00-0,526 0,00 Kvinde (M) -0,053 0,08-0,056 0,07-0,060 0,06-0,050 0,13 Mand under 23 år (M) 0,178 0,00 0,174 0,00 0,167 0,00 0,207 0,00 Kvinde under 23 år (M) 0,048 0,47 0,061 0,36 0,065 0,33 0,072 0, år (M) 0,100 0,08 0,114 0,05 0,112 0,06 0,123 0, år (M) -0,046 0,59-0,001 0,99-0,000 1,00 0,061 0,51 Ukendt alder (M) -1,141 0,00-1,032 0,00-1,016 0,00 Kvinde (R) 0,298 0,00 0,331 0,00 0,332 0,00 0,327 0,00 Mand under 23 år (R) -0,011 0,79-0,057 0,18-0,065 0,13 0,005 0,93 Kvinde under 23 år (R) -0,083 0,16-0,094 0,12-0,093 0,12-0,022 0, år (R) 0,219 0,00 0,259 0,00 0,248 0,00 0,264 0, år (R) 0,254 0,00 0,312 0,00 0,310 0,00 0,348 0,00 Ukendt alder (R) -3,270 0,00-3,156 0,00-3,139 0,00 Ulykkeskarak. (25 var) ja ja ja Bilmærke (2x62 variable) ja ja Socioøko. karak. (20 var) ja Antal observationer logl Pseudo R 2 0,012 0,058 0,067 0,114 0,117 0,110 Anm: p-værdi er signifikansniveau for parameter baseret på robuste standard afvigelser, som tager højde for mulig korrelation i fejlled mellem parvise observationer fra samme uheld.

102 102 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Derudover er der en negativ parameter til årstallet for uheldet. Den negative trendparameter kan f.eks. opfange forbedringer i sikkerheden i infrastrukturen, eller at stigende trafik over tid er med til at dæmpe den faktisk kørte hastighed, hvilket mindsker alvorligheden af uheldet. 8 I den tredje regression vist i tabel 4 er medtaget variable, der beskriver køn og alder for føreren i den ramte og modpartens personbil. Skadesgraden i den ramte bil øges, hvis føreren af modpartens bil er en ung mand under 23, mens det ikke har nogen signifikant betydning, hvis føreren af modpartens bil er en ung kvinde. Hvis føreren af den ramte bil er over 70 år, vil det øge skadesgraden. Dette er formentlig udtryk for, at ældre lettere kommer til skade ved sammenstød. I den fjerde estimation i tabel 4 er medtaget 25 forskellige variable til beskrivelse af ulykkessituationen og adfærdsindikatorer for førerne af bilerne, jf. tabel 3. Parametrene til disse variable er ikke vist, men generelt fås signifikante resultater med de forventede fortegn. I den femte estimation er medtaget dummy-variable for de 62 forskellige bilmærker både for ramt bil og modpart. Disse kan potentielt opfange forskelle i sikkerhed for forskellige bilmærker. Forskellige bilmærker kan dog også appellere til forskellige typer af bilister og dermed være en indikator for køreadfærd. Endelig er der i den sidste estimation medtaget en række andre socioøkonomiske karakteristika for førerne baseret på kobling med andre registre i Danmarks Statistik (mindre datasæt). Umiddelbart har dette ikke nogen betydning for parameteren til vægten af modpartens bil. Der fokuseres i analysen på betydningen af vægten af en personbil (modparten) for skadesgraden i den ramte bil. Hvis vægten af en personbil er korreleret med (uobserveret) risikoadfærd for føreren kan der være en bias i den estimerede effekt af vægt, således at parameteren til vægt ikke kun medtager betydningen af vægt, men også et element af risikoadfærd for føreren. Man kan også potentielt forestille sig, at førere af store biler kører mere risikobetonet, fordi de ved, at en tungere bil er mere sikker. Analogt til dette finder Abay mfl. (2013), at førere med sikkerhedsseler kører mere risikobetonet end førere uden sele. En række af de her medtagne forklarende variable socio økonomiske karakteristika og bilmærke kan opfattes som indikatorer for risikoadfærden for førerne af den ramte eller modpartens bil. Stabiliteten af parameteren til modpartens vægt i estimationer, som gradvist medtager flere variable, som tænkes korreleret med køreadfærd, peger imidlertid i retning af, at parameteren til (logaritmen af) vægt ikke har væsentlig bias. En bias af parameteren til modpartens vægt kan naturligvis ikke udelukkes, men undersøgelsen her medtager væsentlig flere kontrolpa- 8. Det er valgt at præsentere resultater med en trend variabel (i stedet for årsdummies) og med en enkelt variabel for årgangstrend af bilernes alder (i stedet for årgangs-dummyvariable) af to grunde. Dels fordi det er enklere at beskrive resultaterne kort, og dels fordi der senere estimeres en mere fleksibel model (generaliseret logit model), hvor der for hver medtagen variabel estimeres flere parametre. Det kan være problematisk med rigtig mange forklarende variable i en mere fleksibel model.

103 TRAFIKULYKKER, PERSONBILSERS VÆGT OG KØRSELSAFGIFTER 103 Tabel 5. Generaliseret ordered logit model for skadesgrad (fører og passager). Samlet By Land Par. p-værdi Par. p-værdi Par. p-værdi Skadesgrad 0 ift. 1, 2 eller 3) log(vægt af modpart) 0,845 0,00 0,740 0,00 0,843 0,00 log(vægt at ramt bil) -1,020 0,00-1,232 0,00-0,873 0,00 Årgang modpart -0,005 0,07-0,005 0,16-0,003 0,47 Årgang ramt -0,013 0,00-0,009 0,02-0,016 0,00 År for uheld -0,059 0,00-0,065 0,00-0,051 0,00 Hastighedsgrænse 0,023 0,00 0,023 0,00 0,025 0,00 By -0,534 0,00 Skadesgrad 0 og 1 ift.2 og 3 log(vægt af modpart) 1,070 0,00 0,801 0,00 1,150 0,00 log(vægt at ramt bil) -1,177 0,00-1,505 0,00-1,006 0,00 Årgang modpart -0,000 0,96-0,002 0,79 0,001 0,80 Årgang ramt -0,019 0,00-0,015 0,01-0,021 0,00 År for uheld -0,039 0,00-0,047 0,01-0,033 0,02 Hastighedsgrænse 0,025 0,00 0,027 0,00 0,027 0,00 By -0,599 0,00 Skadesgrad 0, 1 og 2 ift. 3 log(vægt af modpart) 1,825 0,00 1,481 0,15 1,916 0,00 log(vægt at ramt bil) -1,709 0,00-1,506 0,14-1,605 0,00 Årgang modpart 0,015 0,19-0,049 0,32 0,024 0,06 Årgang ramt -0,043 0,00-0,093 0,02-0,038 0,00 År for uheld -0,059 0,05 0,058 0,48-0,071 0,03 Hastighedsgrænse 0,048 0,00 0,066 0,00 0,049 0,00 By -1,056 0,00 Alder/køn (12 variable) ja ja( a ) ja Ulykkeskarak (25 variable) ja ja( a ) ja Bilmærke (2x9 variable) ja nej ja Antal observationer logl Pseudo R 2 0,127 0,082 0,094 Anm: p-værdi er baseret på robuste standard afvigelser, som tager højde for mulig korrelation i fejlled mellem parvise observationer (dvs. fra samme uheld). De andre forklarende variable er medtaget for hver af de tre sæt af vektorer af forklarende variable. Note ( a ): For by er estimeret en enklere model uden bilmærker og med færre variable hhv. for køn og alder (6 i stedet for 12) og for ulykkeskarakteristika (17 i stedet for 25). Dette skyldes, at der er mindre variation i den afhængige variabel, da der kun er få dræbte ved sammenstød i byer. rametre for førernes karakteristika, end der typisk anvendes i lignende undersøgelser, jf. f.eks. Hels mfl. (2012), Anderson og Auffhammer (2013), Ommeren mfl. (2013) eller Hultkrantz og Lindberg (2011).

104 104 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Hvis førere af tunge personbiler generelt kører mere risikobetonet, må det formodes, at tungere personbiler oftere er involveret i sammenstød end lette personbiler. En sammenligning af vægtfordelingen af personbiler, der var involveret i sammenstød i 2011 med vægtfordelingen af alle personbiler i Motorregisteret i 2011 tyder imidlertid ikke på, at tungere personbiler oftere er involveret i sammenstød set i forhold til deres andel af personbilparken, jf. Bjørner mfl. (2013). Dette peger ligeledes i retning af, at den estimerede parameter til vægt ikke har væsentlig bias på grund af potentiel korrelation med uobserveret køreadfærd. Andre indirekte»test«i Anderson og Auffhammer (2013) peger ligeledes i retning af, at vægt ikke er væsentlig korreleret med risikobetonet kørsel. Estimationsresultater for skadesgraden for fører og passagerer ved anvendelse af en generaliseret ordered logit model ligning (3) er vist i tabel 5. Grundlæggende er medtaget samme forklarende variable som i regression 5 i tabel 4. Som beskrevet i afsnit 4 estimeres der væsentlig flere parametre i den generaliserede logit model. Af hensyn til at begrænse antallet af parametre er der kun medtaget dummy variable for de 9 hyppigst forekommende bilmærker i datasættet (både for ramt og modpart) i stedet for de i alt 62 forskellige bilmærker tidligere anvendt. Af pladshensyn er kun vist en del af de estimerede parametre. I tabellen præsenteres resultater for hele landet samlet og for en opdeling på by og land. Det fremgår, at betydningen af både modpartens vægt og den ramte bils vægt er højere, når der ses på overgangen til dræbte overfor de andre kategorier. I estimationen med alle data er parameteren til logaritmen af modpartens vægt ved overgang til dræbt således på 1,825, mens den i de to andre tilfælde er på 1,070 og 0,845. Kvalitativt fås samme resultater for f.eks. hastighed og årgang for den ramte bil. Sammenlignes med de estimerede parametre ved en opdeling på by og land, fås overordnet parametre i samme størrelsesorden til modpartens vægt. For by er der dog kun få signifikante parametre, når man ser på overgangen til dødsfald overfor de øvrige kategorier (dvs. nederste sæt af parametre i tabel 8). Dette afspejler formentlig, at der i byerne er meget få dræbte ved sammenstød mellem personbiler. Det er således kun 33 af de observationer i byerne, hvor skadesgraden er dræbt. 9 Sammenfattende viser estimationerne, at der er korrelation mellem vægten af modpartens bil og skadesgraden i den ramte bil. Almindelige fysiske love tilsiger, at der er tale om en kausal effekt, og ad-hoc test med inklusion af forskellige indikatorer for risikobetonet kørsel tyder ikke på, at den estimerede parameter til modpartens vægt er (væsentlig) biased af fraværet af variable for bilisternes køreadfærd. Størrelsen af ef- 9. Dette afspejler formentlig, at hastigheden er mindre i byerne. Til gengæld er antallet af dræbte ved sammenstød mellem biler og ubeskyttede trafikanter (fodgængere, cyklister og knallertkørere) højt i byerne sammenlignet med landområder.

105 TRAFIKULYKKER, PERSONBILSERS VÆGT OG KØRSELSAFGIFTER 105 fekten af ændringer i modpartens vægt ud fra de estimerede parametre i tabel 5 kan imidlertid ikke aflæses direkte af de estimerede parametre. I tabel 6 er det derfor opgjort, hvad en ændring i modpartens vægt på 100 kg betyder for ændringen i sandsynligheden for, at personer i den ramte bil bliver dræbt, alvorligt skadet eller lettere skadet. I øverste række (for hver skadesgrad) i tabel 6 vises de gennemsnitlige marginale effekter af en ændring i logaritmen til modpartens vægt. Det fremgår f.eks., at den gennemsnitlige marginale effekt for at blive dræbt er på 0,0107 for by og land samlet, og at den marginale effekt er signifikant (p-værdi = 0,00). Det fremgår endvidere, at den marginale effekt for en given skadesgrad ved ændring i modparts vægt (i log) alle er signifikante, når der ses bort fra risikoen for at blive dræbt ved sammenstød i byen, hvor der kun er få observationer. En 100 kg stigning i vægten af modpartens bil svarer til knap 8,7 pct. af gennemsnitsvægten i estimationssamplet på (ca kg), hvilket svarer til 0,087 på en lo - garitmisk skala. Den gennemsnitslige ændring i sandsynligheden for at blive dræbt (givet et uheld), hvis modpartens vægt øges med 100 kg, svarer derfor til 0,0009 (=0,0107 0,087). Denne ændring i sandsynligheden for at blive dræbt forekommer måske umiddelbart beskeden, men dette afspejler, at risikoen for at blive dræbt i et sammenstød i udgangspunktet er beskedent. Således er risikoen for at blive dræbt i udgangspunktet kun på 0,0066, jf. tabel 6. Ændringen i den (absolutte) risiko for at blive dræbt på 0,0009 svarer således til en relativ ændring i risikoen for skadesgrad dræbt på 13,6 pct. (= 100 0,0009/0,0066). Tilsvarende findes, at den relative ændring i risikoen for at blive alvorlig og lettere skadet er på henholdsvis 7,2 pct. og 3,6 pct. (for by og land samlet). Det er værd at bemærke, at den relative ændring i risikoen for dødsfald på 13,6 pct. ved en stigning i modpartens vægt på 100 kg er meget tæt på tilsvarende resultater fundet i andre undersøgelser. Således fandt Anderson og Aufhammer (2013) en ændring i risikoen for at blive dræbt ved en tilsvarende stigning i modpartens vægt på 10,4 pct. baseret på data fra USA, mens Ommeren mfl. (2013) får en relativ ændring i risikoen for dødsfald på 14,6 pct. baseret på data fra Holland. 10 Den relative ændring i sandsynligheden for at blive alvorligt personskadet ved en stigning i modpartens vægt på 100 kg er her fundet til 7,2 pct. Dette harmonerer også udmærket med de tilsvarende relative ændringer på 4,2 pct. og 5,8 pct. i henholdsvis Anderson og Auffhammer (2013) samt Ommeren mfl. (2013). 10. Anderson og Auffhammer (2013) fandt en ændring i den forventede risiko på 47 pct. ved en stigning i modpartens vægt på pund. Omregnet svarer dette til 10,4 pct. for en stigning i vægten med 100 kg.

106 106 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Tabel 6. Ændring i skadesgrad (fører/passager) ved stigning i modparts vægt på 100 kg (generaliseret ordered logit model). Skadesgrad Samlet By Land Uskadt Marginal effekt ved ændring i modparts vægt (i log) -0,0977 (0,00) -0,0603 (0,00) -0,1450 (0,00) Ændring i risiko ved 100 kg forøgelse af modparts vægt -0,0085-0,0053-0,0127 Risiko (udgangspunkt) 0,8409 0,9029 0,7378 Relativ ændring risiko -1,0 pct. -0,6 pct. -1,7 pct. Lettere Marginal effekt ved ændring skade i modparts vægt (i log) 0,0393 (0,00) 0,0360 (0,00) 0,0369 (0,00) Ændring i risiko ved 100 kg forøgelse af modparts vægt 0,0034 0,0031 0,0032 Risiko (udgangspunkt) 0,0941 0,0644 0,1438 Relativ ændring risiko 3,6 pct. 4,8 pct. 2,2 pct. Alvorlig Marginal effekt ved ændring skade i modparts vægt (i log) 0,0476 (0,00) 0,0229 (0,00) 0,0808 (0,00) Ændring i risiko ved 100 kg forøgelse af modparts vægt 0,0042 0,0020 0,0071 Risiko (udgangspunkt) 0,0583 0,0318 0,1025 Relativ ændring risiko 7,2 pct. 6,3 pct. 6,9 pct. Dræbt Marginal effekt ved ændring i modparts vægt (i log) 0,0107 (0,00) 0,0015 (0,16) 0,0273 (0,00) Ændring i risiko ved 100 kg forøgelse af modparts vægt 0,0009 0,0001 0,0024 Risiko (udgangspunkt) 0,0066 0,0010 0,0159 Relativ ændring risiko 13,6 pct. 10,0 pct. 15,1 pct. Anm: Den marginale effekt for hver skadesgrad er baseret på de estimerede parametre fra estimationen vist i tabel 5. Den marginale effekt er gennemsnit for alle observationer. Tallet i parentes er signifikansniveau for den marginale effekt beregnet ved delta-metoden. En 100 kg stigning i vægten svarer til 8,7 pct. stigning af gennemsnitsvægten for alle observationer. Det fremgår endvidere, at den relative ændring i risikoen i by og land for dræbte og alvorligt tilskadekomne svarer nogenlunde til det, der er fundet for hele landet. For byområder er den marginale effekt for dræbte ikke statistisk signifikant, men den afledte relative ændring i risikoen har nogenlunde samme niveau som for land. 7. Opgørelse af de eksterne omkostninger ved øget bilvægt Ud fra de beregnede ændringer i risiko for de forskellige skadesgrader ved en for - øgelse af modpartens vægt kan der foretages en beregning af den forventede eksterne ulykkesomkostning ved at køre i en bil af en given størrelse. I beregningen indgår de forventede ændringer i skadesgraden givet sammenstød, risikoen for sammenstød og

107 TRAFIKULYKKER, PERSONBILSERS VÆGT OG KØRSELSAFGIFTER 107 endelig mål for velfærdstabet dødsfald og personskader. Den forventede eksterne omkostning pr. km ved at vælge en tung bilvariant (v) i forhold til en given let referencebil er givet i ligning (4), som er en lettere generaliseret udgave af tilsvarende ligning for den eksterne omkostning i Anderson og Auffhammer (2013): Ekstern vægtomkostning pr. km = P(ulykke) j j a j f j (KG v KG ref ) (4) Her er P(ulykke) risikoen pr. kørt km for, at en bil involveres i en ulykke (antaget ens på tværs af bilvarianter). Parameteren j er ændringen i risiko for skade i (dødsfald, alvorlig skade og lettere personskade) ved en stigning i modpartens vægt på 100 kg. Disse ændringer blev beregnet i tabel Parameteren a j er velfærdsomkostningen ved skadesgrad j. Velfærdsomkostningerne ved lettere og alvorlige personskader samt dødsfald er baseret på DTU Transport (2010). For dødsfald svarer velfærdsomkostningen til den gængse danske værdi af et statistisk liv på ca. 16 mio. kr. Vægten af bilvariant v og referencebilen er givet ved henholdsvis KG v og KG ref. Endelig er f j en opregningsfaktor, som lidt forenklet tager højde for, at den empiriske analyse af højeste skadesgrad ikke medregner, at der kan være flere skadede i hvert køretøj, jf. tabel 2. Opregningsfaktoren er på 1,14 (døde), 1,17 (alvorligt skade) og 1,34 (lettere skade). 12 Som vægt for referencebilen er anvendt 750 kg, som svarer til vægten af de letteste minibiler, som kunne købes de sidste år i dataperioden (f.eks. Peugeot 107, Citroen C1 og Toyota Aygo). Intuitionen er, at disse biler er de mindst farlige for andre trafikanter. Ud fra ligningen beregnes, at en stigning i vægten på 100 kg medfører en stigning i den eksterne vægtomkostning på 0,49 øre pr. km. For en relativ tung bil med en vægt på kg (dvs kg tungere end den letteste bil) udgør den eksterne vægtomkostning således ca. 5 øre pr. km. 13 Disse beløb kan sammenholdes med resultaterne baseret på amerikanske data præ - senteret i Anderson og Auffhammer (2013). Her findes en omkostning ved valg af en 100 kg tungere bil på 1,6 øre pr. km. 14 Dette er ca. fire gange større end de tilsvarende 11. I tabel 6 blev j opgjort ud fra den gennemsnitlige marginale effekt. For at forenkle beregningerne antages, at den marginale effekt af vægt er konstant. Samme antagelse blev anvendt af Anderson og Auffhammer (2013). 12. Opregningsfaktoren for f.eks. dræbte er opgjort som ratioen mellem antallet af dræbte i estimationsdata (388) og antallet af observationer med højeste skadegrad dræbt (339 observationer). Det bemærkes, at dette er en lidt forenklet opregning, som f.eks. ikke tager højde for, at nogle af de alvorligt skadede er i biler, hvor højeste skadesgrad er dræbt. 13. Vægteksternaliteten er også blevet beregnet for by og land separat, men værdierne her adskiller sig ikke væsentligt fra vægteksternaliteten samlet set (0,57 og 0,44 øre pr. km pr. 100 kg vægtforøgelse for hhv. land og by). 14. Omregnet fra 2,1 cent pr. mile ved en dollarkurs på 5,70 kr.

108 108 NATIONALØKONOMISK TIDSSKRIFT NR. 1 tal fundet her. Umiddelbart forekommer dette overraskende, da der blev estimeret en næsten identisk effekt på den relative risiko for dødsfald ved en stigning i modpartens vægt, givet der forekommer et uheld. Der kan dog peges på to ting, som tilsiger højere værdi af vægteksternaliteten i USA end i Danmark: For det første anvender Anderson og Auffhammer (2013) en højere værdi af statistisk liv på $5,8 mio. svarende til ca. 33 mio. kr. Dette er omkring dobbelt så stort som den værdi, der anvendes i Danmark. For det andet er der tilsyneladende flere alvorlige sammenstød i USA. Således var dødsraten ved trafikulykker i Danmark i 2010 på ca. 5,5 pr indbyggere. Det tilsvarende tal for USA i 2005 var næsten 3 gange højere, jf. OECD og ITF (2011). 15 Det skal dog bemærkes, at disse dødsrater er for alle trafikrelaterede dødsfald og dermed ikke kun dødsraten ved sammenstød mellem personbiler. Bidraget fra vægteksternaliteten kan tillægges de øvrige bidrag til den marginale eksterne ulykkesomkostning ved kørsel i personbil, jf. afsnit 3. Dette er gjort i tabel 7, som viser de samlede marginale eksterne omkostninger ved ulykker opdelt på by, land og samlet for forskellige størrelser af biler. I alt svarer den marginale eksterne ulyk - kes omkostning for de letteste biler til 0,07 kr. pr. km. For en bil med nogenlunde gennemsnitlig vægt på ca kg er den samlede eksterne ulykkesomkostning på ca. 0,09 kr. pr. km, mens omkostningen for en tung (1.750 kg.) og en meget tung (2.250 kg) personbil er på henholdsvis 0,12 og 0,14 kr. pr. km. Der er dog kun få personbiler, som har en vægt på kg eller højere (ca. 1 pct. i estimationsdata). Selv om vægten af personbilen har stor betydning for de marginale eksterne ulykkesomkostninger, så har geografiske forhold større betydning. Uanset størrelsen af personbilen er de marginale eksterne ulykkesomkostninger væsentlig højere i byerne end uden for byerne. Forskellene i de marginale eksterne ulykkesomkostninger for biler med forskellig vægt omfatter udelukkende vægtens betydning for alvorligheden af ulykken ved sammenstød mellem personbiler. I opgørelsen af de øvrige bidrag ud over vægteksternaliteten indgår blandt andet den eksterne ulykkesomkostning ved bilisters sammenstød med lette trafikanter, jf. afsnit 3. Der er dog ikke her taget højde for, at tunge biler kan give større skade på de lette trafikanter end lette biler. Forskellen i de marginale eksterne ulykkesomkostninger mellem lette og tunge trafikanter, som fremgår af tabel 7, har derfor formentlig karakter af at være underkantskøn. Analyser peger i retning af, at højere bilvægt også leder til øgede skadesgrader for lette trafikanter, men at betydningen formentlig er mindre end ved sammenstød mellem personbiler, jf. Bjørner mfl. (2013). 15. Bemærk at der her er sammenlignet for forskellige år for at afspejle året for opgørelsen af vægteksternaliteten i USA (2005 data) og Danmark ( data). På grund af en generel faldende dødsrate både i Danmark og USA er forskellen i dødsraten mindre, hvis der sammenlignes i samme år.

109 TRAFIKULYKKER, PERSONBILSERS VÆGT OG KØRSELSAFGIFTER 109 Tabel 7. Samlede eksterne marginale ulykkesomkostninger for personbiler med forskellig vægt (2012-priser). Bilvægt By Land Samlet kr. pr. km kg 0,29 0,01 0, kg 0,31 0,04 0, kg 0,34 0,07 0, kg 0,36 0,10 0,14 Anm: En bilvægt på kg er lidt større end gennemsnitsvægten (og medianen) af bilerne i estimationsdata for år En bilvægt på og kg svarer nogenlunde til hhv. 95 pct. og 99 pct. fraktilen i fordelingen af vægten af bilerne. 8. Vægteksternalitet og afgifter Som nævnt i indledningen er der en række eksterne omkostninger ved bilkørsel, som tilsiger, at der skal være afgifter på brug af biler og på forbruget af brændsel. Opgørelser tyder på, at den numerisk vigtigste af disse er trængsel. I dette afsnit fokuseres dog alene på den marginale eksterne ulykkesomkostning. Hvis der skal pålægges en afgift, som afspejler de estimerede marginale eksterne ulykkesomkostninger, skal afgiften være differentieret både i forhold til by/land og vægten af personbilen, jf. tabel 7. En optimal afgift i forhold til ulykkesomkostninger vil derfor forudsætte, at man kan opkræve egentlige vejbenyttelsesafgifter, som afhænger af det konkrete køretøj, og hvor der køres. Indtil sådanne afgiftssystemer er etableret, er det kun muligt at bruge grovere instrumenter. En form for et grovere instrument er en vægtdifferentieret afgift, som lægges på bilkøb eller på bilejerskab. Af disse to må en vægtdifferentieret afgift på bil - ejerskab være at foretrække, fordi en ejerafgift både giver et incitament til at skrotte en tung bil og til at købe en relativt let bil. En vægtdifferentieret ejerafgift er dog ikke så målrettet som en egentlig vægtdifferentieret kørselsafgift, da en ejerafgift ikke afhænger af brugen af bilen. I dag er den eneste mulighed for at lægge en afgift på selve bilkørslen via afgifter på brændstof (benzin eller diesel). Et naturligt spørgsmål i denne sammenhæng er, i hvor høj grad en afgift på brændstof kan afspejle de vægtafhængige marginale eksterne ulykkesomkostninger. Der er af åbenbare fysiske grunde en høj grad af korrelation mellem brændstofforbruget og vægten af personbilerne. Dette er illustreret i figur 3 for benzindrevne køretøjer. Korrelationen mellem vægt og brændstofeffektivitet til - siger, at det er muligt at opkræve en (imperfekt) vægtdifferentieret kørselsafhængig afgift via prisen på brændstof.

110 110 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Liter pr. km 0,25 0,20 0,15 0,10 0,05 0, Vægt i kg Bilpark, benzin, ultimo 2011 Lineær tendens Figur 3. Brændstofforbrug og vægt for benzinbiler. Anm: I figuren er medtaget personbiler, taxaer og små varebiler, hvor der er oplysninger om brændstofeffektiviteten. For personbiler findes ingen oplysninger om brændstofeffektiviteten før medio 1997, dvs. at ældre personbiler ikke indgår i figuren. Da mange af observationerne dækker over samme bilvariant og derfor samme kombination af brændstofeffektivitet og vægt vil hver prik i praksis repræsentere mange observationer. Den estimerede tendens - linje er beregnet for alle observationer (vægtet). En afgift på brændstof svarer således langt hen af vejen til en ideel kg-km afgift. En vægtdifferentieret ejerafgift kan til sammenligning differentiere mere korrekt i forhold til vægt, men uden at skelne mellem biler, som kører meget eller lidt. En nøjere afvejning af fordele og ulemper ved disse to instrumenter er ikke foretaget her. Det skønnes imidlertid, at en afgift på brændstof er mere målrettet end vægtdifferentierede ejerafgifter. Generelt kører biler længere på en liter diesel end en liter benzin. Det betyder, at der skal bruges mindre diesel end benzin til at flytte kg bil. Hvis målet er at beskatte vægten, er det derfor nødvendigt med en højere afgift på diesel. Hvis der sker teknologiske ændringer, som løbende forbedrer brændstofeffektiviteten, er det nødvendigt også løbende at øge afgiften pr. liter brændstof. I modsat fald vil afgiften pr. kg-km løbende blive udhulet af den forbedrede brændstofeffektivitet. Det skal dog understreges, at afgifter på hverken brændstof eller bilejerskab kan tage højde for de store forskelle, der er i de eksterne kørselsomkostninger mellem land og by. Den ovenstående diskussion af instrumenter har ikke inddraget den nuværende beskatning af biler og bilkørsel. Analyser i De Økonomiske Råd (2013) peger i retning af, at den samlede beskatning af biler og brændstof har et niveau, som er højere end

111 TRAFIKULYKKER, PERSONBILSERS VÆGT OG KØRSELSAFGIFTER 111 det, der kan begrundes ud fra de samlede marginale eksterne omkostninger ved bilkørsel. Ses på forskellige typer af personbiler er den samlede beskatning af større og dyrere biler væsentlig højere end de samlede marginale eksterne omkostninger i kraft af den progressive værdibaserede registreringsafgift. I denne sammenligning er indregnet forskelle i de eksterne ulykkesomkostninger mellem lette og tunge personbiler. Da dyrere biler typisk også er tunge viser dette, at vægt ved bilkøbet samlet set er beskattet hårdere end vægteksternaliteten tilsiger. På sin vis kan der derfor argumenteres for, at vægteksternaliteten allerede er internaliseret i beskatningen. Internaliseringen af de vægtafhængige eksternaliteter er imidlertid ikke hensigtsmæssigt udformet. Dels er værdien af en ny bil ikke fuldt korreleret med bilens vægt, og dels er en afgift ved købet ikke et særlig målrettet instrument i forhold til en kørselsafhængig ekstern effekt. Der synes at være behov for en omlægning af afgifter på biler og kørsel, som i højere grad målretter afgifterne til de forskellige eksterne effekter ved bilkørsel. En nøjere diskussion af dette, som også inddrager andre eksternaliteter end ulykker, kan findes i De Økonomiske Råd (2013). 9. Sammenfatning og konklusion Der er foretaget en opgørelse af den marginale eksterne ulykkesomkostning for personbiler af forskellig vægt. Dette er gjort ved at undersøge, hvorvidt relativt tunge personbiler udgør en øget risiko for alvorligere skader for førere og passagerer i lettere personbiler, når personbiler støder sammen. Baseret på data for sammenstød mellem personbiler for perioden findes, at vægten har signifikant betydning for alvorligheden af ulykken. For hver 100 kg højere vægt hos modparten vil det ved sammenstød øge risikoen for dødsfald og alvorlig personskade i den ramte bil med hhv. 14 pct. og 7 pct. Analysen viser også, at der er lavere risiko for personskade og dødsfald ved at køre i en tungere bil, når der sker et sammenstød. Denne gevinst har intern karakter, mens den øgede risiko for andre bilister har karakter af at være en negativ eksternalitet. Dette peger i retning af, en ureguleret bilpark bliver tungere end det, som er velfærdsøkonomisk optimalt. Analyserne tyder på, at den marginale eksterne ulykkesomkostning for de tungeste personbiler er væsentlig højere end for de letteste personbiler. Den marginale eksterne ulykkesomkostning er således 0,07 kr. pr. km for de letteste personbiler, mens den er 0,12-0,14 kr. pr. km for de tungeste personbiler. For en personbil af gennemsnitlig størrelse er den marginale eksterne omkostning ved ulykker på knap 0,09 kr. pr. km. Lokalitet har stor betydning for den marginale eksterne ulykkesomkostning. Således er den marginale eksterne ulykkesomkostning i by ca. 0,31 kr. pr. km, mens det tilsvarende tal ved kørsel uden for by er godt 0,04 kr. pr. km (for personbiler af gennem-

112 112 NATIONALØKONOMISK TIDSSKRIFT NR. 1 snitlig størrelse). Variationen mellem by og land er således væsentlig større end variationen mellem en tung og en let personbil. Så længe det ikke er muligt at opkræve geografisk differentierede vejbenyttelsesafgifter, som også kan differentieres med køretøjets vægt, er det kun muligt at korrigere for den marginale eksterne ulykkesomkostning ved andre virkemidler. Der er en høj korrelation mellem brændstofeffektivitet og vægt, som peger i retning af, at afgifter på benzin og diesel er velegnede til indirekte at beskatte vægt på vejene. Litteratur Abay, K. A., R. Paleti og C. R. Bhat The Joint Analysis of Injury Severity of Drivers in Two-Vehicle Crashes Accommodating Seat Belt Use Endogeneity. Transportation Research Part B, Vol. 50, s Anderson, M. og M. Auffhammer Pounds That Kill: The External Costs of Vehicle Weight. Review of Economic Studies (under udgivelse). Tidligere udgave udgivet i 2011 som NBER working paper Bjørner, T. B., M. H. Kjeldsen og K. V. Nielsen Marginale eksterne ulykkesomkostninger og personbilers vægt. Arbejdspapir 2013:2, De Økonomiske Råds Sekretariat. De Økonomiske Råd Økonomi og Miljø, De Økonomiske Råds Sekreta - riat. DTU Transport Transportøkonomiske Enhedspriser til brug for samfundsøkonomiske analyser. Version 1.3, Juli Evans, L Driver injury and fatality risk in two-car crashes versus mass ratio in - fered using Newtonian mechaniscs. Ac - cident Analysis and Prevention, 26(5), s Friedstrøm, L A Framework for Assess - ing the Marginal External Accident Cost of Road Use and its Implications for Un - surance Ratemaking. Discussion Paper International Transport Forum. Hels, T., A. Lyckegaard, C. G. Prato, J. Rich, L. Abele og N. B. Kristensen Udviklingen i bilers passive sikkerhed skadesgrad for førere af person- og varebiler. DTU Transport. Hultkrantz, L. og G. Lindberg Accident cost, speed and vehicle mass externalities, and insurance. International Transport Forum Discussion Paper No ITF/OECD Joint Transport Research Centre. Lindberg, G Traffic Insurance and Accident Externality Charges. Journal of Transport Economics and Policy, 35 (3), s OECD og ITF Road Safety 2010 Irtad Annual Report OECD/ITF. Ommeren, J. Van, P. Rietveld, J. Z. Hop og M. Sabir Killing kilos in car ac - cidents: are external costs of car weight internalised? Economics of Transportation, 2(2-3), s Parry, I. W. H., M. Walls og W. Harrington (2007): Automobile Externalities and Policies. Journal of Economic Literature, 45 (2), s Transportministeriet Værdisætning af transportens eksterne omkostninger. Transportministeriet. Vejdirektoratet AP-parametre til u - helds modeller Baseret på data for Vejdirektoratet. White, M The»Arms Race«on American Roads: The Effect of Sport Utility Vehicles and Pickup Trucks on Traffic Safety. Journal of Law and Economics, 47 (2), s Williams, R Generalized Ordered Lo - git/ Partial Proportional Odds Models for Ordinal Dependent Variables. The Stata Journal, 6 (1), s

113 Nationaløkonomisk Tidsskrift 151 (2013): Debat og kommentarer Prisbobler og tømmermænd på det danske boligmarked Christian Sinding Bentzen Senioranalytiker, Nykredit: mail: Udsving på boligmarkedet spiller en væsentlig rolle for de økonomiske konjunkturer. Et af tidens store spørgsmål er derfor, i hvor høj grad de kraftige prisfald de seneste år er et resultat af en bristet boligboble, og i naturlig forlængelse heraf, om fremtidige bobler på boligmarkedet kan modvirkes og i givet fald hvordan. Forslagene kan inddeles i to grupper: i. Forslag, der søger at modvirke skabelsen af bobler, således at de brister før de vokser sig store og skadelige. ii. Forslag, der søger at modvirke skadevirkningerne af bobler, når de sprænger. Forslagene i den første gruppe er umiddelbart de mest tiltalende, da de involverer en aktiv kamp mod de skadelige kræfter, der undertiden rammer boligmarkedet. Der er dog betydelige udfordringer ved aktive»bubble pricking«strategier; erkendelsen af at prisstigningerne frem mod toppen af markedet var drevet af andet end fundamentalforhold, er f.eks. væsentlig nemmere at drage ex post end i realtid, mens musikken spiller og festen er på sit højeste. Bobler er i deres natur uforudsigelige hvis dette ikke var tilfældet, ville de ikke opstå. Ydermere er der det grundlæggende problem, at de fleste tiltag ikke alene påvirker det, de er tiltænkt, men også andre forhold. Denne artikel bidrager til boblediskussionen på to fronter. I første del belyses udviklingen på boligmarkedet empirisk, men fra en lidt anden vinkel end der generelt er anvendt i den politiske og akademiske debat. Bl.a. kvantificeres tilstedeværelsen af en»smitte-effekt«fra prisstigningernes epicenter i Københavnsområdet til»udkants - sjælland«. Et interessant resultat er, at Udkantssjælland er det område i Danmark, der er hårdest ramt af krisen på boligmarkedet, på trods af at prisstigningerne før krisen langt fra var kraftigst her. Prisfaldet i Udkantssjælland har således været langt større, De anførte synspunkter er mine egne og afspejler ikke nødvendigvis Nykredits. Tak for konstruktive kommentarer til Jesper Berg, Kim Laustsen, Søren Holm, Henrik Hjortshøj-Nielsen, Jakob Legård Jakobsen samt Jeanet Sinding Bentzen; hvad der måtte være tilbage af fejl og mangler, skal I naturligvis ikke lastes for. Også en stor tak til Søren Krogh Olsen for lån af grafiske færdigheder.

114 114 NATIONALØKONOMISK TIDSSKRIFT NR. 1 end hvad udviklingen i strukturelle faktorer som arbejdsløshed mv. ellers burde tilsige. Dette indikerer, at prisstigningerne før krisen var relativt mere uholdbare i Udkants - sjælland, selvom hastigheden var mindre end i Københavnsområdet. At vurdere en boligboble alene ud fra absolutte prisstigninger er derfor mangelfuldt; om en hårdt oppustet ballon sprænger afhænger ikke kun af trykket, men også af ballonens materiale og struktur. Hovedstadsområdet er i den optik oplagt gjort af et stærkere materiale og har haft en ventil, luften stille kunne løbe ud af, mens trykket i periferien af Sjælland fik luften til at forsvinde langt hurtigere. I anden del af artiklen diskuteres fra et teoretisk perspektiv, hvorledes regulering af adgangen til boligfinansiering kan tænkes at påvirke prisvolatiliteten på boligmarkedet i fremtiden. Specielt undersøges effekten af en aktiv makroprudentiel»bubble pricking«strategi, hvor man søger at dæmpe udsvingene på boligmarkedet via modcykliske kreditrestriktioner som f.eks. maksimale belåningsgrader på boliglån. Det vises, at det kræver nogle forholdsvis hårde antagelser, for at reguleringen virker efter hensigten. Det er således en nødvendig betingelse, for at reguleringen har den ønskede effekt, at kreditrestriktionen virker som mere end en højere pris på finansiering; hvis ikke signalet om overvurderede priser påvirker forventningsdannelsen til fremtidige priser, vil reguleringen være så godt som ubetydelig. Selv hvis kreditrestriktioner kan påvirke forventningerne og derigennem priserne, er det dog ikke en tilstrækkelig betingelse for, at man i fremtiden vil kunne dæmpe prisudsving gennem regulering. Det vises således, at såfremt reguleringen kun binder på ét marked, da kan det have afsmittende negative spill over effekter til andre markeder i periferien. Læren er, at det langt fra er sikkert, at den foreslåede regulering via kreditbegrænsninger vil virke efter hensigten på fremtidens boligmarked. Hvis målet er at øge sikkerheden i det finansielle system, bør man derfor nok som minimum øge modstandskraften over for prisfald blandt husholdningerne såvel som i den finansielle sektor generelt. 1. Udviklingen på boligmarkedet siden toppen Der er store regionale forskelle på prisudviklingen på boligmarkedet, både før og efter krisen (se figur 1 og 2). Hvor Københavnsområdet inkl. forstæder var centrum for den kraftige vækst frem mod toppen af markedet (typisk 2006), er prisfaldet siden toppen gået hårdest ud over det øvrige Sjælland. I Jylland og på Fyn er der også en tendens til, at de mere velstillede områder oplevede stærkest stigning frem mod toppen, mens faldet dog er mere jævnt fordelt og langt mindre udtalt end på Sjælland. De ret voldsomme prisfald siden toppen til trods, så er boligpriserne i dag gennemsnitligt 28 pct. højere på landsplan i forhold til primo 2004, 14 pct. højere end primo 2005, mens de i gennemsnit er henholdsvis 10 og 18 pct. lavere i forhold til primo 2006 og 2007.

115 DEBAT OG KOMMENTARER 115 Prisstigninger 2004 til top Prisfald top til 2012 < 40% 40%-50% 50%-60% > 60% < 10% 10%-20% 20%-30% > 30% Figur 1. Prisstigninger 2004 til top. Figur 2. Prisfald siden top. Note: Prisudvikling for enfamiliehuse. Tidspunktet for pristoppen kan variere på tværs af kommuner. Sidste datapunkt er andet kvartal Kilde: Realkreditrådet. Målt på antal kommuner er priserne i dag lavere i otte kommuner end de var primo 2004, mens tallene for 2005, 2006 og 2007 er henholdsvis 18, 58 og 81 (ud af Danmarks i alt 98 kommuner). De sårbare husholdninger er således koncentreret på både geografi og belåningsårgange. Omvendt er der stadig positiv friværdi i en række husholdninger, der ikke er så hårdt ramt af ugunstig geografisk beliggenhed, eller hvor man har købt hus før 2006 (og ikke siden belånt det). Prisstigningerne før krisen er oplagt ikke den eneste faktor, der har påvirket prisudviklingen siden toppen. For at belyse i hvor høj grad prisfaldet efter toppen kan tilskrives prisudviklingen før toppen, er det oplagt at anvende regressionsteknikker. Tradi - tionelt har forskere forsøgt at»bekræfte«eksistensen af en prisboble ved at tage udgangspunkt i en økonometrisk tidsrækkemodel for hele Danmark, hvorfra man konkluderer, at den variation i data, der ikke kan forklares af den strukturelle model, må tilskrives en boble. 1 Her griber vi dog sagen lidt anderledes an. I stedet for at stille spørgsmålet om prisudviklingen før krisen kan forklares af udviklingen i strukturelle faktorer, stilles spørgsmålet om prisudviklingen efter krisen kan forklares af udviklingen i strukturelle faktorer samt prisudviklingen før krisen. Der anvendes et tværsnitsdatasæt baseret på tal fra Danmarks Statistik og Realkreditrådet, hvor hver af Dan- 1. Jf. bl.a. Nationalbanken (2011).

116 116 NATIONALØKONOMISK TIDSSKRIFT NR. 1 marks 98 kommuner repræsenterer en observation. Ideen er, at de kommuner, der frem mod toppen af boligmarkedet oplevede kraftige prisstigninger, alt andet lige må forventes at have oplevet kraftigere fald siden toppen. Om sådanne fald er bobledrevne kan man dog ikke nødvendigvis udlede; klassisk teori for prisdannelsen på boligmarkedet jf. f.eks. Poterba (1984) samt afsnit 2 nedenfor forudsiger, at positive efter - spørgselsstød vil slå fuldt igennem på priserne, idet udbudssiden på boligmarkedet er særdeles rigid på kort sigt. Statistisk signifikante prisstigninger før toppen, efter der er kontrolleret for ændringer i strukturelle faktorer såsom udbudsændringer og ledighed, kan dog indikere eksistensen af en boble. Den asymmetriske geografiske udvikling illustreret i figur 1 og 2 tyder desuden på, at kommuner i umiddelbar periferi af prisstigningernes»epicenter«i Københavnsområdet, har været hårdere ramt end jyske og fynske kommuner. Inspireret af blandt andre Meen (1999) inkluderes derfor også et afstandsmål til København som forklarende variabel. 1.1 Model for prisudviklingen Der tages udgangspunkt i følgende lineære model: p i = f(q i, x i, g i ) + i = q i + X i + g i + i (1) hvor p i er prisudviklingen på enfamiliehuse siden toppen af markedet i kommune i, q i er prisudviklingen fra 2004 og frem til toppen, X, er en matrix med strukturelle forklarende variable såsom ændring i ledighed, befolkningsvækst og boligstanden, g i er en matrix med geografiske kontroller son f.eks. afstand til København, mens i et normalfordelt fejlled. Bemærk at tværsnitsdimensionen og specifikationen med ændringer i de strukturelle faktorer gør, at strukturelle forhold, der har en symmetrisk effekt på alle Danmarks kommuner, så at sige vil»nette ud«. En strukturel faktor som renten vil dermed kun have effekt som følge af forskellige præferencer for f.eks. kort finansiering og afdragsfrihed på tværs af Danmarks kommuner. Tabel 1 viser forskellige specifikationer af ligning (1). I første kolonne vises en simpel specifikation, hvor der kun er inkluderet ændringer i strukturelle faktorer samt prisudviklingen op til krisen. I kolonne (2) udvides modellen med geografiske faktorer i form af afstandsmålene fra København, mens kolonne (3) tester effekten af afdragsfrie lån. Prisudviklingen før krisen er signifikant i alle specifikationer, hvor effekten dog aftager i de udvidede modeller i kolonne (2) og (3). Parameterestimaterne indebærer, at

117 DEBAT OG KOMMENTARER 117 en prisstigning på én pct. før toppen, alt andet lige har resulteret i et prisfald mellem 0,19-0,48 pct. afhængig af specifikation. Ændring i den kommunale ledighedsprocent indgår signifikant i den simple model i kolonne (1), hvor estimatet indikerer, at en stigning i ledigheden på ét procentpoint alt andet lige leder til et prisfald på 3 pct. Når de geografiske karakteristika inkluderes bliver estimatet dog insignifikant. Prisfaldet siden toppen af markedet kan således ikke forklares af forskelle i ledighed på tværs af Danmarks kommuner, når der korrigeres for den geografiske dimension. Dette er måske lidt overraskende, men bemærk, at den insignifikante koefficient ikke er ensbetydende med, at stigende ledighed ikke betyder noget for boligpriserne på aggregeret niveau. At ændringer i kommunal ledighed indgår insignifikant kan f.eks. tilskrives, at mange kommuner i Jylland har været relativt hårdt ramt, men ikke har oplevet et tilsvarende stort fald i boligpriserne, jf. også figur 2. Tilsvarende har ændringer i personindkomster på tværs af kommuner ingen forklaringskraft (ikke vist). Ændringer i den relative boligbestand siden 2007 slår igennem med signifikant positivt fortegn i alle specifikationer. Variablen er konstrueret som ændringen i antallet af ejerboliger 2007 til 2012 i en given kommune sat i forhold til ændringen i befolkningstallet i kommunen over samme periode. Den fanger således stigninger i boligbestanden udover, hvad demografien kan tilskrive. Jævnfør den teoretiske diskussion nedenfor tilpasser udbuddet sig ændrede markedsforhold med et lag, hvorfor det er relevant at kigge på ændringen siden toppen af markedet, hvor de høje priser gav stort incitament til nybyggeri. Empirisk estimeres en sammenhæng således, at en stigning på 1 pct. i boligudbuddet relativt til befolkningsvæksten er forbundet med et fald i bolig - priserne på 0,4-0,7 pct. Det skal dog bemærkes, at man skal være forsigtig med at fortolke estimatet som en kausal effekt af udbuds- og demografiske ændringer på husprisudviklingen, da prisniveauet antageligt også har indflydelse på flyttestrømme på tværs af kommuner (omvendt kausalitet). Kausalitet eller ej, så er det signifikante estimat om ikke andet en indikation af, at kraftige prisfald efter en periode med kraftige prisstigninger bobledrevne eller ej ikke kun er udtryk for en grundlæggende pris - korrektion (en»boble-korrektion«), men også udtryk for et strukturelt ændret forhold mellem boligudbud og efterspørgsel som følge af det ukoordinerede byggeboom, der rationelt opstår, når priserne på kort sigt stiger kraftigt. Givet at handlede boliger kun udgør en begrænset del af den samlede boligmasse, kan selv forholdsvis små ændringer i boligmassen således føre til et væsentligt større antal til-salg skilte og dermed skabe et langvarigt nedadgående prispres. I model (2) er afstandsmålene til København inkluderet. Afstandsmålene er konstrueret som dummies for at tillade, at effekten i Københavnsområdet kan være lavere end i periferien, samt at periferien består af flere delmarkeder. Skæringen mellem

118 118 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Tabel 1. Regressionsmodeller for prisudviklingen fra top til bund. Model (1) Model (2) Model (3) Afhængig variabel Prisudvikling Prisudvikling Prisudvikling fra top til fra top til fra top til bund (pct.) bund (pct.) bund (pct.) Prisudvikling 2004 til top (pct.) -0,48-0,19-0,25 (0,083)*** (0,063)*** (0,059)*** Ændring i ledighed (pct. point) -3,14-0,31-0,13 (1,14)*** (0,74) (0,71) Ændring i boligbestand ifht. befolkning (rate) -0,73-0,54-0,42 (0,30)** (0,19)*** (0,16)** Andel afdragsfrie lån 2007 (pct.) 0,17 (0,12) Ændring i andel afdragsfrie lån (pct. point) 0,56 (0,31)* Afstand km fra København -0,033-0,043 (0,016)** (0,016)** Afstand km fra København -0,14-0,15 (0,021)*** (0,023)*** Afstand km fra København -0,16-0,17 (0,047)*** (0,050)*** Afstand km fra København -0,10-0,11 (0,020)*** (0,019)*** Afstand km fra København 0,042 0,034 (0,021)** (0,024) Afstand km fra København 0,090 0,082 (0,020)*** (0,026)*** Afstand større end 260 km fra København 0,10 0,097 (0,019)*** (0,026)*** Observationer Adj. R 2 0,19 0,73 0,74 Note: Robuste standardfejl i parentes. Alle specifikationer indeholder konstant. *, **, *** udtrykker signifikans på henholdsvis 10, 5, og 1 procentniveau. dummyerne er valgt på baggrund af figur 2, og de seks dummies angiver således den partielle effekt sammenlignet med kommuner, der ligger i en radius af 15 km fra Københavns kommune. 2 Bemærk, at afstands-dummyerne ikke nødvendigvis kan tolkes som en»ren«afstandseffekt, men i sagens natur også kontrollerer for andre specifikke geografiske forhold i de pågældende kommuner inden for et givent afstands - 2. Afstanden er i fugleflugtslinje fra Københavns Kommune. Afstanden fra jyske kommuner er beregnet som afstanden fra den pågældende kommune til Fredericia tillagt afstanden fra Fredericia til København.

119 DEBAT OG KOMMENTARER 119 interval. Som robusthedstjek er også lavet en kvadratisk specifikation vist i tabel 2, som diskuteres længere nede. Alle afstands-dummies i model (2) er signifikante. Parameterestimaterne er negative for kommuner i afstand op til 125 km fra København (dvs. alle kommuner på Sjælland og Lolland-Falster) og positive derefter (dvs. Fyn og Jylland). Estimaterne danner en pæn bølge, hvor det specielt er kommunerne i yderperiferien af København, der er hårdt ramt. Bølgens bund ligger omkring km fra København. Fortolkningen er, at priserne her alt andet lige er faldet pct. mere end det ville have været tilfældet for en Københavnerkommune med de samme strukturelle karakteristika. Omvendt betyder det positive estimat på 10 pct. ved afstande over 260 km. (dvs. fra kommuner længere væk end Århus), at priserne her er 10 pct. højere end de ville have været, hvis kommunen»havde ligget«i Københavnsområdet. Bemærk i den forbindelse, at parameterestimatet»prisudvikling 2004 til top«falder kraftigt i kolonne (2) og (3), men dog vedbliver med at være signifikant. Der er således stadig er en generel tendens til at prisstigninger før toppen leder til større prisfald efter, hvor effekten dog er større for kommuner i Udkantssjælland henholdsvis mindre for jyske og fynske kommuner. I model (3) er vist en specifikation, hvor information om afdragsfrie lån er inkluderet. Ændringen i andelen af afdragsfrie lån siden toppen har haft en understøttende pris effekt, idet kommuner med større ændring i andelen har afdragsfrie lån alt andet lige har oplevet et mindre prisfald. Dette kan afspejle, at nødlidende husholdninger har kunnet konvertere til et afdragsfrit lån, der om ikke andet har kunnet udskyde et tvungent salg. Bemærk dog, at såfremt den nødlidende tilstand er midlertidig (som f.eks. arbejdsløshed), da kan muligheden for at få en likviditetslettelse via midlertidig afdragsfrihed resultere i en permanent positiv effekt, idet færre husholdninger således ender på tvangsauktion (»fire sales«) som følge af det midlertidige indkomstfald. Andelen af afdragsfrie lån i 2007 kan omvendt ikke forklare prisfaldet siden toppen. Der er således ikke noget, der tyder på, at en høj andel af afdragsfrie lån i sig selv har vist sig problematisk, udover hvordan det måtte have påvirket prisudviklingen frem mod toppen. Det kan dog anføres, at det snarlige udløb af muligheden for afdragsfrihed udgør en potentiel større trussel i kommuner med en høj andel af afdragsfrie lån, hvorfor det måske endnu er for tidligt at drage alt for stærke konklusioner. Bemærk endelig, at såfremt andelen af rentetilpasningslån inkluderes på samme vis i modellen, leder de ikke til en signifikant effekt (ikke vist). Som robusthedstjek viser tabel 2 yderligere tre modeller, hvor afstandseffekten er specificeret som en almindelig kontinuert variabel, der angiver afstanden i km til København. Herudover er inkluderet et kvadratisk led for at tillade en aftagende effekt. Jf. figur 2 og 4 samt resultaterne i tabel 1 er det nok mere en sinus-kurve, der beskriver data bedst alternativt blot en effekt for»udkantssjælland«. I model (4) er de

120 120 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Tabel 2. Regressionsmodeller for prisudviklingen fra top til bund. Model (4) Model (5) Model (6) Afhængig variabel Prisudvikling Prisudvikling Prisudvikling fra top til fra top til fra top til bund (pct.) bund (pct.) bund (pct.) Prisudvikling 2004 til top (pct.) -0,053-0,19-0,25 (0,092) (0,066)*** (0,059)*** Ændring i ledighed (pct. point) -0,57-0,51-0,11 (0,93) (0,77) (0,81) Ændring i boligbestand ifht. befolkning (rate) -0,86-0,59-0,48 (0,28)*** (0,21)*** (0,17)*** Andel afdragsfrie lån 2007 (pct.) 0,25 (0,13)* Ændring i andel afdragsfrie lån (pct. point) 0,22 (0,34) Afstand til København (km) 0, , ,00024 (0,00019)** (0,000073)*** (0,000079)*** Afstand til København kvadreret (km) 0,000 (0,000) Afstand til København * Sjælland (km) -0,0040-0,0049 (0,00074)*** (0,00086)*** Afstand til København kvadreret * Sjælland (km) 0, , (0, )*** (0,000007)*** Observationer Adj. R 2 0,55 0,73 0,74 Note: Robuste standardfejl i parentes. Alle specifikationer indeholder konstant. *, **, *** udtrykker signifikans på henholdsvis 10, 5, og 1 procentsniveau. I interaktionsleddet er indeholdt Sjælland plus Lolland-Falster. to simple afstandsmål inkluderet. Den lineære effekt er signifikant, mens det kvadrerede led er insignifikant på nationalt plan kan det således udelukkende udledes, at priserne generelt er faldet mindre, jo længere afstanden er til København. I model (5) og (6) interageres de kontinuerte afstandsmål med en dummy for Sjælland (inkl. Lolland-Falster). Bemærk at den justerede R 2 stiger med ca. 20 pct. point, og at fortegn og signifikans på de øvrige variable minder om model (2) og (3) i tabel 1. Andelen af afdragsfrie lån i 2007 indgår dog signifikant positivt på 10 pct., mens ændringen er insignifikant. Det positive estimat fortæller igen historien om, at afdragsfrie lån har haft en understøttende priseffekt siden krisen, bl.a. som følge af at de lave renter slår kraftigere igennem på afdragsfrie (rentetilpasnings)lån. Det»rene«afstandsmål indgår forsat signifikant (når det kvadrerede led udelades), mens de to interagerede led danner en pæn signifikant parabel. Analogt til dummy-

121 DEBAT OG KOMMENTARER 121 Estimeret prisfald relativt til København 15% 10% 5% 0% -5% -10% -15% -20% -25% Afstand til København (km) Dummy-specifikation Kvadratisk specifikation med interaktionsled for Sjælland Figur 3. Afstandseffekten: Modelleret prisudvikling relativt til København. Note: Baseret på de estimerede koefficienter fra model (3) og (6) tabel 1 og 2. Kvadraterne angiver midtpunktet på afstandsintervallerne. specifikationen er der en stigende negativ priseffekt jo længere væk en sjællandsk kommune befinder sig fra København men kun indtil et vist punkt (80 km), hvor - efter parablen vender og afstanden fra København betyder relativt mindre. For kommuner uden for Sjælland har prisfaldet omvendt været mindre, jo større afstand til København. For at tydeliggøre parameterestimaternes størrelse illustrerer figur 3 den estimerede afstandseffekt fra København for dummy-specifikationen såvel som den interagerede. De to specifikationer ligner ikke overraskende hinanden meget, hvor den interagerede specifikation dog har en bund, der er lidt lavere og for en lidt større afstand til København. Det er fristende at fortolke tilstedeværelsen af afstandseffekten som en»smitteeffekt«eller»bølgeeffekt«i Meen (1999) terminologi. Smitten fra Københavnsområdet til Udkantssjælland kan hænge sammen med, at en række husholdninger fandt det tillokkende at købe hus uden for hovedstadsområdet, da de hastigt stigende priser i hovedstaden gjorde det for dyrt at bo her. En generel tendens til urbanisering blev dermed sat midlertidigt på hold og flere valgte at bosætte sig i den ydre periferi for at blive langturspendlere. Denne tendens har presset priserne i Udkantssjælland kunstigt op, hvilket bl.a. har medført investeringer i nybyggeri som området strukturelt ikke har

122 122 NATIONALØKONOMISK TIDSSKRIFT NR. 1 kunnet bære. Prisfaldet i hovedstaden siden toppen har igen fået mange husholdninger til at efterspørge boliger i hovedstaden, hvormed boligefterspørgslen i periferien rammes dobbelt hårdt: dels af det generelle prisfald, dels af fortsættelsen af tendensen mod urbanisering, der så at sige»catcher up«og efterlader Udkantssjælland med et for stort boligudbud, få ønsker at besidde. Dette betyder også, at det langt fra er sikkert, at bunden trods prisfald på over 30 pct. endnu er nået på Udkantssjælland. Jf. også dis kussionen i det teoretiske afsnit vil tendensen med et nedadgående prispres de allerede kraftige prisfald og forsat lave renter til trods fortsætte, såfremt der er sket en strukturel forskydning i forholdet mellem udbuddet af boliger til salg og efterspørgslen; jo flere boliger en potentiel huskøber har at vælge i mellem, jo stærkere forhandlingsstyrke, og jo større sandsynlighed for prisnedslag, uanset hvad makroøkonomiske forhold i øvrigt tilsiger. Det kraftige byggeboom i København, hvor antallet af ejerlejligheder ifølge Danmarks Statistik er steget med næsten 40 pct. siden 2004, 3 har omvendt ikke medført de samme ugunstige priseffekter, idet bl.a. fordelagtig demografi (urbanisering mv.) og indkomstforhold i øvrigt bidrager til, at det øgede udbud kan matches af efterspørgsel bl.a. af tilflyttere fra Udkantssjælland og københavnske førstegangskøbere, der i dag i højere grad vælger at blive boende i byen, hvor de før i tiden valgte at flytte ud. De mindre prisfald på den anden side af Storebælt kan omvendt tolkes som, at pendlergrænsen i forhold til København for de flestes vedkommende ligger her et sted. København har derfor ikke i samme omfang kunnet»smitte«her, hvorfor prisfaldene har været mindre. Jf. figur 2 kunne en dybere analyse i princippet dog udvides til også at omhandle lokale epicentre i f.eks. Odense og Århus, idet der her også kan spottes en tendens til at prisstigningerne før krisen var størst her, mens prisfaldene har været kraftigere i omegnen. Resultaterne præsenteret i tabel 1 og 2 giver også mulighed for at komme med et kvalificeret bud på, hvor meget af prisstigningerne før krisen, der var drevet af andet end fundamentale faktorer. For Danmark som helhed kan parameterestimaterne i de udvidede modeller (2)-(3) og (5)-(6) på 0,19-0,25 tolkes som at 19%-25% af de samlede prisstigninger fra 2004 ikke var drevet af fundamentale forhold. Ud af den samlede prisstigning på 50 pct. fra 2004 til 2007 var de ca. 10 pct. point således»uholdbare«. I de hårdest ramte områder af Udkantssjælland kan op mod halvdelen af før-krise prisstigningerne tilskrives som uholdbare. I f.eks. Stevns kommune steg priserne fra 2004 til toppen med knap 56 pct. af denne stigning kan de 25% 56% + 15% = 29 pct. point ifølge model (3) henføres som uholdbare. 3. Ejerlejligheder udgør kun en begrænset del af den samlede boligbestand i Københavns kommune, hvorfor væksten i den samlede bestand selvsagt er mere beskeden.

123 DEBAT OG KOMMENTARER 123 Antal tvangsauktioner i pct. af belånte ejendomme < 0,15% 0,15%-0,25% 0,25%-0,35% > 0,35% Tab i pct. af samlet udlån < 0,05% 0,05%-0,10% 0,10%-0,15% > 0,15% Figur 4. Gennemsnitligt antal årlige tvangsaktioner (i procent af belånte ejendomme). Figur 5. Gennemsnitlig årlig tabsprocent Note: Tal for Nykredit og Totalkredit. Tabene er beregnet som årligt konstateret tab i pct. af samlet udlån til private. Kilde: Nykredit 1.2 Model for realkreditinstitutternes tabsprocent Kraftige prisfald er ikke nødvendigvis ensbetydende med tvangsauktioner, tab og finansiel ustabilitet, såfremt teknisk insolvente husholdninger ikke rammes af nega - tive indkomststød som f.eks. arbejdsløshed eller skilsmisse, som gør at boligen skal likvideres. Betragter man den geografiske fordeling af tvangsauktioner og realiserede tab for Nykredit og Totalkredit, er den asymmetriske tendens til at Udkantssjælland er særligt hårdt fortsat udtalt, mens tabene i det nære Københavnsområde er særdeles begrænsede (jf. figur 4 og 5). Det perifere Jylland er omvendt ramt hårdere, end prisfaldene umiddelbart ville tilsige. Det bemærkes dog, at tab såvel som tvangsauktioner på aggregeret niveau bestemt er i den lave ende sammenlignet med f.eks. krisen i begyndelsen af 1990 erne; i 1993 androg tabsprocenten på Nykredits realkreditlån til private således 0,4 pct. af det samlede privatudlån mod 0,1 pct. i I tabel 3 er vist resultater for tre regressionsmodeller analogt til ligning (1), hvor den afhængige variabel er den gennemsnitlige tabsprocent for Nykredit og Totalkredit. 4 Startåret 2009 er valgt, da tab typisk indtræder med et lag efter negative økonomiske stød. Da tabsprocenten effektivt var nul op til krisen, udtrykker den gen- 4. Nykredit og Totalkredit står tilsammen for 43 pct. af det samlede realkreditudlån i Danmark og er derfor repræsentativ for hele sektoren.

124 124 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Tabel 3. Regressionsmodeller for realkreditinstitutternes tabsprocent. Model (1) Model (2) Model (3) Afhængig variabel Gns. tabsprocent Gns. tabsprocent Gns. tabsprocent (basispoint) (basispoint) (basispoint) Prisudvikling 2004 til top (pct.) -0,24-0,16-0,15 (0,048)*** (0,041)*** (0,049)*** Prisudvikling top til 2012 (pct.) -0,29-0,25-0,21 (0,049)*** (0,073)*** (0,074)*** Ændring i ledighed (pct. point) -0,36 0,55 0,80 (0,49) (0,43) (0,39)** Ændring i boligbestand ift. befolkning (rate) 0,21 0,15 0,14 (0,17) (0,16) (0,16) Ændring i gns. belåningsgrad (pct. point) 0,39 0,23 0,31 (0,089)*** (0,084)*** (0,10)*** Andel afdragsfrie lån 2007 (pct.) 0,037 (0,090) Ændring i andel afdragsfrie lån (pct. point) -0,56 (0,26)** Afstand til København (km) 0, ,00015 (0,000052)** (0,000047)*** Afstand til København * Sjælland (km) 0, ,00068 (0,00023)** (0,00036)* Observationer Adj. R 2 0,62 0,65 0,66 Note: Robuste standardfejl i parentes. Alle specifikationer indeholder konstant. *, **, *** udtrykker signifikans på henholdsvis 10, 5, og 1 procentsniveau. nemsnitlige tabsprocent effektivt det samme som ændringen i tabsprocenten, hvorfor specifikationen i ændringer er analogt til ligning (1). Prisudviklingen både før og efter toppen anvendes som forklarende variable. Derudover er ændringen i gennemsnitlig belåningsgrad også inkluderet, idet sandsynligheden for tvangsauktion som følge af økonomiske problemer selvsagt er større, jo mindre friværdi husholdningerne har. Det eventuelle tab for realkreditinstitutterne bliver derudover større. Resultaterne for tabsudviklingen siden toppen er generelt i tråd med resultaterne for prismodellen. Det er dog værd at bemærke, at den simple model i kolonne (1) har langt større forklaringsgrad end den tilsvarende simple model i tabel 1, og at forklaringsgraden kun øges beskedent, når afstandsmålene inkluderes. Dette er dog jf. figur 5 ikke udtryk for, at Nykredit ikke har størst tab i Udkantssjælland, men derimod at specielt

125 DEBAT OG KOMMENTARER 125»Ændringen i belåningsgrad«fanger en del af denne dimension, der ikke giver mening at inkludere i modellerne for prisudviklingen siden toppen i tabel 1 og 2 (nævneren i belåningsgrads-brøken følger direkte af prisudviklingen). Prisudviklingen før og efter toppen er begge signifikant negative i alle specifikationer. 5 Et prisfald på 10 pct. point siden toppen fører i gennemsnit til et tab i realkredit - institutterne, der er mellem 2,1 og 2,9 basispoint 6 højere i den pågældende kommune (afhængig af specifikation). Omvendt har prisstigninger før toppen alt andet lige givet husholdningerne mere friværdi at tære på i dårlige tider; 10 pct. højere priser i før-krise årene giver således en årlig tabsprocent, der i gennemsnit er 0,15-0,24 basispoint lavere. Modsat regressionerne for prisudviklingen, slår ændringer i boligudbuddet relativt til demografien ikke signifikant igennem. I og med at prisudviklingen er inkluderet som regressor er dette dog ikke overraskende. Ændringen i de kommunale arbejdsløshedsprocenter er insignifikant i model (1) og (2), men signifikant på fem pct. niveau i model (3), hvor der også kontrolleres for ændringen i andelen af afdragsfrie lån. Dette kan igen tolkes som at afdragsfrie lån under krisen har været med til at holde hånden under økonomisk nødlidende husholdninger, om ikke andet på kort sigt. Analogt til argumentet ovenfor, kan effekten dog vise sig permanent, såfremt de negative økonomiske stød er midlertidige. Estimaterne indikerer, at realkreditinstitutternes konstaterede tab alt andet lige stiger med 0,8 basispoint, når arbejdsløsheden stiger med ét pct. point, mens tabene alt andet lige er 0,56 basispoint lavere i kommuner, hvor andelen af afdragsfrie lån er øget med ét pct. point siden Ændringen i gennemsnitlig belåningsgrad (gennemsnitlig realkreditrestgæld i forhold til estimeret ejendomsværdi LTV) indgår også signifikant, selv når der kontrolleres for både prisudvikling og andelen af afdragsfrie lån. En stigning i den gennemsnitlige LTV på ét pct. point giver alt andet lige tab på 0,23-0,39 basispoint. Dette er ikke overraskende, men den trivielle konstatering, at gearing leder til større tab, når det går galt, er alligevel værd at notere sig. Afstandseffekten er igen signifikant, idet tabene i Udkantssjælland er større, selv når der kontrolleres for de øvrige strukturelle faktorer. Der er dog modsat prisregres - sionerne i tabel 1 og 2 ikke tale om en parabellignende effekt (når det kvadrede led inkluderes bliver begge interaktionsled for Sjælland insignifikante, hvorfor kun specifikationen med det lineære led er vist). Økonomisk er effekten dog ikke stor; i en sjællandsk kommune 100 km fra København er tabene alt andet lige 0, ,068 = 0,083 basispoint højere, mens tabene i en jysk kommune 300 km fra København er 3 0,015 = 0,045 basispoint større end de ville have været, hvis kommunen»havde ligget 5. Bemærk at begge variable hedder prisudvikling og ikke henholdsvis prisfald og prisstigning fortegnet er derfor det samme. 6. Enheden basispoint svarer til en hundrededel af et procentpoint.

126 126 NATIONALØKONOMISK TIDSSKRIFT NR. 1 i København«. Den begrænsede afstandseffekt skal nok tilskrives, at ændringen i LTV alene kan forklare en ganske stor del af variationen i data (R 2 på 42 pct.), hvorfor afstandsmålene ikke bibringer så meget ny information. Sammenfattende kan det på baggrund af de empiriske analyser konkluderes, at såvel priser som tab har udviklet sig stærkt asymmetrisk på tværs af Danmarks kommuner. Selvom hovedstadsområdet var epicenter for prisstigningerne før krisen er husholdningerne her gået relativt let i gennem krisen. Omvendt er specielt Udkantssjælland hårdt ramt. Dette kan tolkes som at prisstigningerne her var mest uholdbare på trods af, at de ikke var kraftigst her. Størrelsesmæssigt skal de estimerede lokale»merprisfald«på pct. for de hårdest ramte kommuner relativt til København ikke tolkes som en permanent strukturel egenskab, da de naturligvis er en funktion af den seneste økonomiske krisemiljø. Intuitivt må det dog forventes at noget lignende relativt mere uholdbare prisstigninger i periferien end i hovedstaden kan forekomme igen under fremtidens boom-bust forløb på det danske boligmarked. I den forbindelse er resultatet, at lavere gearing leder til lavere tab værd at huske. Fra et finansielt stabilitetssynspunkt virker det derfor fornuftigt at stille krav til boligejernes afdragsmønstre dog med det andet resultat in mente, at udbredelsen af afdragsfrie lån også har haft en prisunderstøttende effekt, da først krisen ramte. 2. Økonomisk teoretiske betragtninger Konstateringen af, at stærkt stigende priser før krisen, har ledt til kraftige prisfald, tab og frygt for finansiel ustabilitet efter krisen, leder naturligt til spørgsmålet om, hvad der regulatorisk kan gøres for at modvirke en sådan udvikling i fremtiden. Ét af forslagene i denne debat har været indførelsen af modcykliske kreditbegrænsninger, hvor potentielle boligkøbere ikke kan belåne drømmehuset fuldt ud, såfremt markedsprisen vurderes at ligge over en langsigtet»fair«pris. Hvorvidt kreditbegrænsende tiltag vil virke efter hensigten, kan man af gode grunde ikke sige noget meningsfuldt om empirisk, da der ikke foreligger data for sådanne eksperimenter. I dette afsnit analyseres spørgsmålet i stedet fra en mere teoretisk vinkel. Helt grundlæggende er markedsprisen på et hus udtryk for den pris, som købere og sælgere er villige til at handle til på et givent tidspunkt, og huspriserne kan stige og falde over tid. Det sker, når forholdet mellem udbud og efterspørgsel påvirkes af forskellige økonomiske stød. Efterspørgselssiden er bestemt af faktorer som disponibel indkomst og finansieringsomkostninger, mens udbudssiden er bestemt af forholdet mellem den faktiske markedspris og prisen på at bygge nyt; hvis markedsprisen således er høj relativt til byggeomkostningerne, vil byggeproducenter finde det profitabelt at bygge nyt, hvormed boligbestanden på sigt øges. Denne dynamik gør, at der er forskel på markedsligevægten på kort og langt sigt. Efterspørgselssiden er således fuld fleksi-

127 DEBAT OG KOMMENTARER 127 Pris Udbud 1: Efterspørgsel Huspris 2: Udbud Huspris b a c Langt sigt: Huspris = byggeomkostning Efterspørgsel Boligbestand Figur 6. Stiliseret illustration af dynamikken på boligmarkedet. Kilde: Nykredit (2009). bel på både kort og lang sigt, mens det faktum, at det tager tid at bygge nyt, gør, at udbudssiden på kort sigt er perfekt inelastisk (lodret udbudskurve), mens den i fravær af knaphed på byggegrunde på lang sigt er perfekt elastisk (vandret udbudskurve). Principperne bag prisdannelsen kan skitseres i et udbuds- og efterspørgselsdiagram som i figur 6. I punktet a er der initialt ligevægt mellem udbud og efterspørgsel på boligmarkedet. Lad os nu sige, at efterspørgslen rammes af et positivt stød f.eks. at renten falder, så det bliver billigere at finansiere huskøb. På kort sigt vil priserne stige fra a til b, da efterspørgslen efter huse stiger, samtidig med at boligudbuddet er fast på kort sigt. I punktet b vil der nu være profit at tjene for byggesektoren, da salgsprisen på eksisterende huse er højere end omkostningen ved at bygge nye huse. Derfor øges udbuddet over tid, og i takt med at udbuddet vokser, tilpasser priserne sig tilbage mod en ny langsigtet ligevægt i punktet c. Bemærk den helt grundlæggende dynamik, at der selv ved et perfekt rationelt positivt efterspørgselsstød vil være en tendens til initialt stigende priser, der efterfølgende afløses af faldende priser i takt med at udbuddet justeres; prisvolatilitet er således en fundamental egenskab ved boligmarkedet, bobler eller ej. 2.1 Modelteknisk setup For mere analytisk at belyse effekten af regulatoriske ændringer opstilles en simpel matematisk model, der tager udgangspunkt i en klassisk lærebogsmodel for dynamikken på boligmarkedet. 7 Formålet er ikke en perfekt beskrivelse af det danske bolig- 7. Konkret tages udgangspunkt i en let modificeret boligmodel fra Hans-Jørgen Whitta-Jakobsen og Peter Birch Sørensen (2005).

128 128 NATIONALØKONOMISK TIDSSKRIFT NR. 1 marked, men blot en simpel analyseramme, der kan illustrere de grundlæggende økonomiske mekanismer, og hvordan disse påvirkes af økonomiske stød og regulering. I det følgende anvendes termen»boligydelser«i stedet for blot boliger. Boligydelser dækker bl.a. over et kvalitetsjusteret boligmål, således at bestanden af boligydelser godt kan stige, selvom der er knaphed på byggegrunde. Derudover anvendes termen ofte i den akademiske litteratur for at adskille opsparingselementet fra boliger; bolig - ydelser er således kun den del af boligen, som husholdningen får»nytte«ud af at besidde. Efterspørgslen efter boligydelser er bestemt af husholdningernes disponible indkomster og såkaldte user-costs på boliger (finansieringsomkostninger, skatter, ved - ligehold mv.), mens boligudbuddet (den samlede bestand af boligydelser) er bestemt af en Tobin s q relation, dvs. af forholdet mellem boligpriser og byggeomkostninger. Konkret tages udgangspunkt i følgende relationer: Efterspørgselsside: Y t p H t = uc t H t (2) hvor p H t angiver prisniveauet på boligydelser, Y t er disponibel indkomst, mens er en konstant, der afhænger af husholdningernes præferencer for»boligydelser«relativt til andre forbrugsgoder. I nævneren angiver H t boligstanden, mens endelig uc t er det såkaldte user-cost led: uc t = (1 )r t + + s e t (3) hvori der indgår finansieringsomkostninger (r t ) efter skat, afskrivningsrate på boligen ( ), boligrelaterede skatter (s) samt forventet kapitalgevinst i form af stigende bolig - priser ( e t ). Bemærk at det eneste deciderede forventningsled er e t. Man kunne argumentere for, at de andre led burde være fremadskuende, men dette er af simplificeringshensyn udeladt. Det er specielt user-cost leddet, der giver anledning til stød til boligmarkedet, idet finansieringsomkostninger og forventninger til fremtidige priser er mere volatile end f.eks. personindkomster. Derfor er de foreslåede reguleringsmæssige værktøjer, der specifikt forsøger at dæmpe prisudsvingene, også møntet på user-cost leddet. Forslaget om kreditbegrænsning kan have effekt gennem tre kanaler: Direkte via finansieringsomkostningerne, idet husholdningerne ved en lavere tilladt belåningsværdi kan substituere over mod alternativ og dyrere finansiering som almindelige banklån eller pantebreve.

129 DEBAT OG KOMMENTARER 129 Indirekte via forventningsdannelsen, såfremt signalet fra en troværdig institution om at boligpriserne er overvurderede, kan mindske husholdningernes forventninger til fremtidige kapitalgevinster. Direkte som et prisloft, såfremt reguleringen formår at holde alternative finansieringskilder ude. Investeringsaktiviteten (udbudssiden) er bestemt af relationen: p H t I H t = k P t (4) hvor p t er byggeomkostninger, der antages at følge udviklingen i det generelle pris - niveau, mens og k er teknologispicifikke konstanter. I kalibreringen af modellen sættes således, at det sikres, at udbudsændringer slår igennem med et lag. Modsat lærebogseksemplet, er der i den kalibrerede model nedenfor også indført lags i p H t, således at byggeentreprenørerne ikke reagerer»impulsivt«på kortsigts prisændringer, men også tager lidt længere historik med i deres investeringsbeslutninger. Den samlede boligbestand er til ethvert tidspunkt t bestemt af identiteten: H t+1 = (1 )H t + I H t (5) På baggrund af de tre relationer (3)-(5) kalibreres modellen nu for at illustrere effekten af restriktioner på kreditgivningen. Der opereres med to versioner: Dels en simpel ét-markeds model, hvor det antages, at husholdninger finansierer et eventuelt»hair-cut«på realkreditfinansiering via almindelig bankfinansiering eller anden»grå«finansiering, således at reguleringen virker gennem højere priser, men hvor kreditten ikke rationeres. Dels en generel ligevægtsmodel, hvor der antages to markeder: En hovedstad og en periferi. I denne udvidede model antages det, at reguleringen er effektiv og virker som et prisloft, således at huspriserne vitterlig ikke kan stige med mere end de regulatorisk fastsatte satser. 2.2 Den simple model: Hair-cut medfører substitution over mod almindelig bank - finansiering I denne simple model tages udgangspunkt i et ikke-bobledrevet scenario. Inspireret af verden omkring os antages det i scenariet, at realkreditrenten gradvist falder fra et

130 130 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Tabel 4. Antagelser for scenario I. Ureguleret marked Reguleret marked Periode Renteniveau Indkomst Realkredit Effektiv Realkredit Effektiv (realkredit) vækst belåning rente belåning rente (inkl. bank) (inkl. bank) 0 5% 1% 80% 6,2% 80% 6,2% 1 5% 1% 80% 6,2% 80% 6,2% 15 3,5% 1% 80% 4,7% 71% 5,2% 16 3,0% 1% 80% 4,2% 71% 4,7% 17 2,5% 1% 80% 3,7% 72% 4,2% 18 2% 1% 80% 3,2% 74% 3,5% 19 2% 1% 80% 3,2% 80% 3,2% 20 2% 1% 80% 3,2% 80% 3,2% 24 2% -5% 80% 3,2% 0% 3,2% 25 2% -5% 80% 3,2% 80% 3,2% 26 2% -5% 80% 3,2% 80% 3,2% 27 2% 1% 80% 3,2% 80% 3,2% 28 2% 1% 80% 3,2% 80% 3,2% 100 2% 1% 80% 3,2% 80% 3,2% Note: På det uregulerede marked antages huskøberen altid at kunne finansiere boligen med et realkreditlån på 80 pct. af boligens værdi, mens den tilladte realkreditbelåning på det regulerede marked restrikteres som følge af realkreditinstitutternes langsigtede belåningsregel ved høje prisstigninger (bestemmes endogent i modellen, jf. teksten). Den resterende finansiering antages altid at kunne fremskaffes til en rente fem pct. point højere end realkreditrenten. Stødene til de ekso - gene variable er markeret med fed. Både før og efter stødene antager stød-variablene konstante værdier. initialt niveau på 5 pct. til et nyt permanent lavere niveau på 2 pct. Umiddelbart efter det nye lavere renteniveau har materialiseret sig, falder personindkomsterne pludseligt 5 pct. i tre perioder i træk, hvorefter indkomsterne igen vokser som før stødet. Det antages, at husholdningerne har adgang til billig realkreditfinansiering på op til 80 pct. af boligens værdi, mens den resterende del er finansieret ad andre kanaler (sikret eller usikret banklån og/eller pantebrev), hvor renten antages altid at ligge 5 procentpoint over realkreditrenten. I scenariet er realkreditinstitutterne underlagt et regulatorisk regime i form af en»langsigtet«regel, der kun tillader fuld belåning, såfremt huspriserne har fulgt infla - tionen plus et tillæg på maksimalt 4 pct. over de sidste otte perioder. Hvis dette ikke er tilfældet, tillades kun realkreditbelåning på den»langsigtede værdi«af boligen, mens resten finansieres»gråt«til en højere rente. Det antages således forsimplende, at bo - lig køberne ingen opsparing har, og at de altid kan skaffe hele finansieringen hos to

131 DEBAT OG KOMMENTARER 131 kreditformidlere (så meget som muligt i et realkreditinstitut og resten i banken eller pantebrevsmarkedet). Tilstedeværelsen af alternative finansieringskilder udenom reguleringen virker plausibel; 1980ernes marked for sælgerpantebreve er et godt eksempel på, at pengestrømmene ofte finder alternative veje. Herudover er det nærliggende at forestille sig, at f.eks. de ekspanderende mellemstore banker (Roskilde Bank mfl.) i 00erne ville være klar med bankfinansiering til at dække et eventuelt hair-cut på real - kreditbelåningsgraden. Bemærk endelig, at den generelle inflation for at holde tingene enkle er sat til 0, mens der heller ikke er antaget befolkningsvækst begge disse antagelser ændrer ikke på modellens kvalitative resultater. Tabel 4 opsummerer scenariet, 8 mens figur 7 og 8 grafisk illustrerer dynamikken. Det ses, at huspriserne på både det regulerede og uregulerede marked initialt stiger forholdsvis kraftigt som følge af rentefaldet. Efter nogle perioder tilpasser bolig - bestanden sig de nye markedsforhold og skaber et nedadgående pres på priserne, hvorefter det negative indkomststød indfinder sig og presser priserne endnu længere ned. Mængdedynamikken er også interessant. Det ses, at der som følge af de to stød indfinder sig en lang periode med faldende mængder. Dette skyldes, at økonomien i de gode tider»over-investerede«i boligmassen. Da udbudssiden jf. ligning (5) kun kan tilpasse sig negative stød via afskrivningsraten på boligydelser, vil der derfor gå lang tid før udbudssiden tilpasser sig de nye dårligere markedsvilkår. Udbudselasticiteten er således asymmetrisk; den er så at sige forholdsvis fleksibel opadtil, men meget træg nedadtil. Priserne ender som konsekvens heraf også med at være underdrejet i forhold til den initiale ligevægt i ganske lang tid. Bemærk at reguleringen ikke har den store effekt på prisdynamikken, idet det regulerede marked når samme prisniveau som det frie marked med et lille lag. Dette skyldes, at rentefaldet er forholdsvis kraftigt, hvorfor det selv med et hair-cut på realkreditfinansieringen fortsat resulterer i en markant lavere effektiv rente. Husholdningerne oplever således fortsat markant faldende finansieringsomkostninger, selvom belåningsværdien falder. Profitten i den finansielle sektor må som konsekvens heraf forventes at vokse, idet hair-cuttet finansieres til en højere marginal. Bemærk også, at kurven er stejlere på det regulerede marked når priserne falder, således at prisfaldet materialiserer sig hurtigere på det regulerede marked. Dette skyldes, at priserne kun er reguleret opadtil, men er fuldt fleksible nedadtil. Den langsommere tilpasning som følge af et positivt efterspørgselsstød kan således resultere i en kraftigere kortsigtstilpasning, når økonomien rammes af et negativt stød. 8. Se alle modelantagelser i bilag 1.

132 132 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Pris Mængde Tid Tid Frit marked Reguleret marked Frit marked Reguleret marked Figur 7. Prisdynamik under scenario I. Figur 8. Dynamik for boligbestand under scenario I. Kilde: Egne scenarier på baggrund af kalibrering fra Whitta-Jakobsen og Sørensen (2005). 2.3 Generel ligevægtsmodel med to markeder: Hovedstad og periferi Som diskuteret ovenfor er det en nødvendig betingelse for succesrig regulering, at markedet regulerer sig selv som følge af signalet om»uholdbare«prisstigninger. I dette afsnit antages nu, at denne forudsætning er opfyldt. Det vises dog, at dette ikke i sig selv er en tilstrækkelig betingelse for, at reguleringen virker efter hensigten. Som den empiriske analyse indikerede, giver det mening at betragte boligmarkedet nuanceret. I dette afsnit udvides den teoretiske model ovenfor derfor til en generel ligevægtsmodel, hvor prisen på markedet i periferien afhænger af prisen i hovedstaden. Denne sammenhæng modelleres som en eksternalitet eller spill over effekt, hvor af - vigelser fra kort- og langsigts prisniveauet i hovedstaden finder vej til markedet i periferien. Intuitionen bag spill over effekten fra hovedstad til periferi er som følger: Husholdningerne kan vælge at slå sig ned enten i hovedstaden eller i periferien, hvor det i udgangspunktet er mest attraktivt at bo i hovedstaden; der er således en tendens til urbanisering. Antag nu at der sker et stød til økonomien i hovedstaden, mens periferien er uændret. Det kunne f.eks. ske som følge af en permanent indkomstfremgang for folk, der bor i hovedstaden. Dette vil i en fri markedsøkonomi på kort sigt give anledning til højere priser. Nogle husholdninger vil føle, at prisen er for høj og finde det mere tillokkende at flytte til periferien, hvilket alt andet lige trækker priserne ned i hovedstaden og op i periferien. Nettoeffekten vil derfor være, at priserne på begge markeder stiger på kort sigt. Denne effekt at folk»tvinges«ud af hovedstaden som følge af kortsigtsprisstigninger kan modelleres som en effekt, hvor det er afvigelse fra langsigtet pris-

133 DEBAT OG KOMMENTARER 133 niveau i hovedstaden, der væltes over i periferien, således at forholdet mellem prisniveauerne i hovedstad og periferi er konstant. Der er også en kortsigts spill over effekt, der virker med modsat fortegn. I et reguleret marked, hvor priserne i hovedstaden ikke får lov til at give sig, vil periferien også blive påvirket. Dette skyldes, at den efterspørgsel, der som følge af reguleringen ikke kan tilfredsstilles i hovedstaden, transformeres ud i periferien. Folk vil som følge af f.eks. et positivt stød til indkomsterne i hovedstaden efterspørge flere boligydelser. Hvis priserne i hovedstaden ikke kan give sig i tilstrækkelig grad, bliver der ikke investeret tilstrækkeligt i nye boligydelser, hvorfor folk kan finde det attraktivt at købe nyt i periferien, hvor udbuddet initialt godt kan give sig. Periferien absorberer så at sige noget af den ikke-tilfredsstillede efterspørgsel fra hovedstaden. Denne dynamik indebærer intuitivt, at priserne på kort sigt stiger mindre, end de ellers ville have gjort i hovedstaden, mens de stiger mere, end de ellers ville have gjort, i periferien. Inspireret af Meen (1999) og de empiriske resultater ovenfor modelleres periferiens efterspørgselsside som følger: p Y p t q(ph t p ) p t = uc p t H p t (6) hvor toptegn p og H angiver henholdsvis periferi og hovedstad. Eksternaliteten, q(p H t ), er en funktion af afvigelser fra ligevægt på både kort og lang sigt: q(p H t ) = g(ph t, p*) + h(ph t, p**) (7) hvor p* angiver kortsigtsligevægten, mens p** angiver langsigtsligevægten. For at holde tingene så enkle som muligt antages i det følgende, at det kun er kortsigtsafvigelser, der betyder noget resultaterne er dog kvalitativt robuste til også at inkludere langsigtsleddet. Spill over leddet modelleres nu som: p H, frit marked t g(p H t ) = g(ph t, p*) = max ; 1 (8) p H, reguleret marked t Uden regulering er der i denne simple model ikke nogen eksternalitet. Hvis priserne på det frie marked er større end priserne på det regulerede marked, vil det alt andet lige give højere priser i periferien. Omvendt vil priserne i periferien alt andet lige ikke falde, hvis priserne i det regulerede marked i hovedstaden er lavere end i det frie marked.

134 134 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Tabel 5. Oversigt over scenarier. Scenario II Scenario III Periode Finansierings- Finansierings- Finansierings- Finansieringsomkostninger, omkostninger, omkostninger, omkostninger, hovedstad periferi hovedstad periferi 0 5% 5% 5% 5% 1 5% 5% 5% 5% 15 3,5% 3,5% 3,5% 5% 16 3,0% 3,0% 3,0% 5% 17 2,5% 2,5% 2,5% 5% 18 2% 2% 2% 5% 19 2% 2% 2% 5% 20 2% 2% 2% 5% 100 2% 2% 2% 5% Note: Scenarier i model, hvor den langsigtede belåningsgrad altid virker efter hensigten, men hvor der er spill over effekter fra hovedstad til periferi, jf. ligning (8). I scenario II stødes symmetrisk til hovedstad og periferi, mens der stødes asymmetrisk i scenario III. Stødene til de eksogene variable er markeret med fed. Både før og efter stødene antager stødvariablene konstante værdier. Se i øvrigt noten under tabel 4 for beskrivelse af regulering. Dette skyldes urbaniseringsantagelsen om, at det generelt er mere attraktivt at bo i hovedstaden, hvorfor spill over effekten kun virker én vej. Der opereres i det følgende med to scenarier. Ét hvor begge markeder rammes symmetrisk af stød analogt til scenario I specificeret i tabel 4. I det andet scenario antages, at hovedstaden og periferien rammes asymmetrisk. For at holde tingene enkle antages, at det kun er hovedstaden, der rammes af stødet, mens periferien er konstant. I begge scenarier antages, at reguleringen baseret på langsigtet belåningsværdi i udgangspunktet virker perfekt efter hensigten, således at priserne vitterlig ikke kan stige mere end fire pct. udover inflationen (i både hovedstad og periferi). Husholdningerne kan således belåne 80 pct. af boligens værdi til alle tidspunkter. I dette scenario er indkomststød holdt ude, således at dynamikken udelukkende drives af ændringer i usercosts samt spill over effekten. 9 Tabel 5 opsummerer. Figur 9 og 10 viser dynamikken for priser og mængder under scenario II, mens figur 11 og 12 henviser til scenario III. Under det symmetriske scenario II er dynamikken så godt som ens i hovedstad og periferi. For begge markeder gælder, at regulerin- 9. Modelleringsteknisk stødes fortsat til finansieringsomkostningen, r t, men man kunne i princippet vælge at støde til en hvilken som helst variabel. Intuitivt kan et asymmetrisk stød til finansieringsomkostningerne dog godt give mening tænk på det som et asymmetrisk stød til præferencerne for rentetilpasningslån og/eller afdragsfrie lån.

135 DEBAT OG KOMMENTARER 135 Pris Hovedstad Mængde Periferi Tid Tid Frit marked Reguleret marked Frit marked Reguleret marked Figur 9. Prisdynamik under scenario II. Kilde: Egne scenarier på baggrund af kalibrering fra Whitta-Jakobsen og Sørensen (2005). Pris Hovedstad Mængde Periferi Tid Tid Frit marked Reguleret marked Frit marked Reguleret marked Figur 10. Dynamik for boligbestand under scenario II. Kilde: Egne scenarier på baggrund af kalibrering fra Whitta-Jakobsen og Sørensen (2005). gen ikke har den store effekt, da priserne når næsten samme niveau som i det frie marked, før de igen falder som følge af at udbuddet»catcher up«. Det bemærkes dog, at reguleringen som sådan virker i den rigtige retning; effekten er bare ikke særlig stor. 10 Dette skyldes, at efterspørgselsstødet også på det regulerede marked slår fuldt igennem tilpasningen er blot mere træg. Bemærk at bestanden af boligydelser i ligevægt 10. I et voldsommere scenario uden samme gradvise fald i renten vil prisreguleringen dog have en større (positiv) effekt.

136 136 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Pris Hovedstad Mængde Periferi Tid Tid Frit marked Reguleret marked Frit marked Reguleret marked Figur 11. Prisdynamik under scenario III. Kilde: Egne scenarier på baggrund af kalibrering fra Whitta-Jakobsen og Sørensen (2005). Pris Hovedstad Mængde Periferi Tid Tid Frit marked Reguleret marked Frit marked Reguleret marked Figur 12. Dynamik for boligbestand under scenario III. Kilde: Egne scenarier på baggrund af kalibrering fra Whitta-Jakobsen og Sørensen (2005). er voksende i hovedstaden, mens den er flad i periferien; dette skyldes en antagelse om, at realindkomsterne vokser i hovedstaden, mens de er antaget konstante i periferien. Under det asymmetriske scenario III er konklusionen den samme som ovenfor for så vidt angår hovedstaden; effekten af reguleringen er marginal, men dog til den rig - tige side. Omvendt forholder det sig med periferien, der under scenariet på et frit marked har konstante priser og mængder, da ingen fundamentale faktorer ændres i scena-

137 DEBAT OG KOMMENTARER 137 riet. Med regulering skabes dog volatilitet som følge af spill over effekten fra hovedstaden. Priserne stiger (med den maksimalt tilladte hastighed under reguleringen), hvorefter de falder kraftigt dels som følge af, at udbuddet i periferien isoleret set catcher up, dels som følge af at udbuddet i hovedstaden catcher up, hvormed efter - spørgslen her kan tilfredsstilles. Intuitivt vender tendensen mod urbanisering, der midlertidigt har været sat kunstigt ud af kraft, stærkt tilbage. Nettoeffekten er, at priserne på kort sigt falder til et niveau lavere end den initiale langsigtsligevægt. Under scenario III gør reguleringen periferien mere sårbar og har således den modsatte effekt end tilsigtet. Sammenfattende illustrerer de teoretiske betragtninger, at makroprudentielle tiltag hvor intuitivt fornuftige de ellers måtte være ikke nødvendigvis vil dæmpe pris - volatiliteten på boligmarkedet. Først og fremmest kan det på baggrund af en simpel analyseramme konstateres, at regulering baseret på en langsigtet belåningsværdi kun vil have den ønskede effekt, hvis reguleringen formår at dæmpe prisudviklingen in - direkte via signalet om, at priserne er for høje. At dette kan lade sig gøre virker måske i dag med krisen i frisk erindring plausibelt, men det er naturligvis ikke sikkert, at frem tidens generationer vil tillægge læresætningerne fra den nuværende krise samme vægt. Hvis et af målene med regulering af boligmarkedet generelt er at øge robust - heden for husholdningerne og den finansielle sektor, er det derfor givetvis ikke tilstrækkeligt at indføre en langsigtet belåningsværdi. 3. Afsluttende bemærkninger De fleste kan blive enige om, at det er i samfundets generelle interesse at undgå overophedning af boligmarkedet, der kan have skadelige effekter for husholdningerne, den finansielle stabilitet og samfundsøkonomien generelt. Det er derfor fristende at forsøge at prikke hul på den næste boble, før den opstår. Det er dog notorisk vanskeligt at modvirke boblelignende tendenser via regulatoriske tiltag, og de bedste intentioner kan ende med andre effekter end tilsigtet. Tiltag, der kun sigter mod at øge modstandsdygtigheden over for prisvolatilitet er måske filosofisk utilfredsstillende, idet man giver fortabt over for irrationelle markedskræfter i stedet for aktivt at bekæmpe dem. Omvendt kan man dog være nogenlunde sikker på, at man ved disse tiltag som f.eks. mindre gearing blandt danske husholdninger, ikke risikerer at skyde sig selv i foden. Krav om øget afdrag er således primært et værn mod de skadelige effekter af bobler ikke i sig selv et instrument til at modvirke dem. Den empiriske analyse viste, at prisudviklingen såvel som tabsudviklingen har været stærkt asymmetriske på tværs af Danmarks kommuner. Dette forhold er set i lyset af den teoretiske analyses konklusioner af stor væsentlighed i relation til regulatoriske stramninger, der skal søge at modvirke opbyggelsen af fremtidige prisbobler.

138 138 NATIONALØKONOMISK TIDSSKRIFT NR. 1 Det er således tvivlsomt om en one-size-fits-all løsning vil tage højde for, at forskel - lige markeder vil kræve forskellig regulatorisk dosering. Dynamikken fra den teoretiske model med to markeder kan i princippet overføres til lokale delmarkeder, og modellen skal dermed ikke kun forstås som Københavnsområdet vs. Udkantssjælland. I alle områder er der således lokale centre, hvor det er mere attraktivt at bo i forhold til periferien af disse centre. Såfremt regulering kunstigt sætter denne»lov«ud af kraft, kan man risikere at skabe mere og ikke mindre volatilitet på mikro- såvel som på makroniveau; asymmetriske markeder rammes af asymmetriske stød og kræver asymmetrisk regulatorisk dosering for at virke efter hensigten. Om dette i praksis kan lade sig gøre er nok tvivlsomt, hvorfor policy-makers bør tænke sig om to gange. Helt generelt er det også værd at bemærke, at bobler opstår som konsekvens af ændringer i fundamentale faktorer. Når disse ændringer er fuldt indlejret i markedspriserne vil en annullering af dem ikke betyde, at man fremadrettet er bedre rustet mod bobler. Muligheden for afdragsfrihed i et eller andet omfang i dag, bør således ikke betyde noget for dannelsen fremtidige bobler skaden er allerede sket, og muligheden for afdragsfrihed kan ikke indføres igen, givet at den allerede er indført. Modsat kan en total tilbagerulning af afdragsfrihed i dag potentielt skabe en boble med modsat fortegn. Litteratur Danmarks Nationalbank Boligboblen der bristede: Kan boligpriserne forklares? Og kan deres udsving dæmpes? Kvartals - oversigt 2011, 1. kvartal. Meen, G Regional House Prices and the Ripple Effect: A New Interpretation, Housing studies, Vol. 14, No. 6, pp Nykredit NORAH en regional model for huspriserne. Nykredit: November Poterba, J. M Tax Subsidies to Owner- Occupied Housing: an Asset-Market Approach, Quarterly Journal of Economics, 99, 4. Whitta-Jakobsen, H.-J. og Sørensen, P. Birch Introducing Advanced Macroeconomics, McGraw-Hill.

139 DEBAT OG KOMMENTARER 139 Bilag 1 Modelantagelser. 0,3 9 0,02 T 0,4 s 0,015 k 1 Inflation 0% Vækst i disponible indkomster (hovedstad) 1% Vækst i disponible indkomster (periferi) 0% Befolkningsvækst 0% Langsigtet regel (udover inflation) 4% Spænd mellem realkredit og alternativ finansiering 5%

140

141 Nationaløkonomisk Tidsskrift 151 (2013): Produktivitetsudvikling og afindustrialisering Peter Birch Sørensen Københavns Universitets Økonomiske Institut, mail: SUMMARY: Produktivitetskommissionen fik bl.a. til opgave at belyse sammenhængen mellem erhvervslivets produktivitet, omkostninger og konkurrenceevne. Til det formål opstilles her en makromodel for en lille åben økonomi, der opdeles i udlandskonkurrerende erhverv og hjemmemarkedserhverv. Lønningerne antages at tilpasse sig trægt til det niveau, der sikrer en normal beskæftigelsesgrad. Modellen reproducerer de stiliserede fakta, at industriens andel af den samlede beskæftigelse er faldende på langt sigt, og at den relative pris på service er stigende. Modellen indebærer, at en stigning i produktiviteten i den ene af økonomiens sektorer permanent vil gavne aktiviteten i den anden sektor. En højere produktivitetsvækst i servicesektoren vil således kunne bremse afvandringen af arbejdskraft fra industrien. 1. Indledning Siden midten af 1990erne er produktionen pr. arbejdstime steget langsommere i Danmark end i de fleste sammenlignelige lande. Samtidigt medførte gennemslaget af den internationale økonomiske krise, at den gennemsnitlige timeløn i industrien siden 2008 er steget hurtigere end industriens nominelle værditilvækst pr. arbejdstime, jf. Produktivitetskommissionen (2013, figur 26). Som følge heraf er dansk industris løn - konkurrenceevne blevet svækket i de seneste år. Den utilfredsstillende produktivitetsudvikling og forringelsen af konkurrenceevnen er baggrunden for, at den danske regering i foråret 2012 nedsatte en Produktivitetskommission, der bl.a. fik til opgave at udrede sammenhængen mellem virksomhedernes produktivitet, omkostninger og konkurrenceevne. Dette papir bidrager til denne udredning ved at opstille en makromodel for en lille åben økonomi for at belyse, hvordan ændringer i produktivitetsvæksten påvirker konkurrenceevnen, realindkomsterne og beskæftigelsen på kort og langt sigt. Jeg takker Carl-Johan Dalgaard, Philipp Schröder, Jan Rose Skaksen, Anders Sørensen, Asger Moll Wingender og to anonyme bedømmere for gode kritiske kommentarer til en tidligere version af dette papir og Anne Brenøe Hoffmann for hjælp med indsamling af data. Jeg er dog eneansvarlig for eventuelle tilbageværende mangler. Adresse: Økonomisk Institut, Københavns Universitet, Øster Farimagsgade 5, Bygning 26, 1353 København K.

142 142 NATIONALØKONOMISK TIDSSKRIFT NR. 2 Modellen opsplitter den indenlandske økonomi i en sektor for internationalt handlede varer og en sektor for goder, der alene omsættes på hjemmemarkedet. Førstnævnte sektor kaldes for udlandskonkurrerende erhverv, som vi for nemheds skyld betegner»industrien«, mens sidstnævnte sektor omtales som hjemmemarkedserhverv eller blot»servicesektoren«. Virksomhederne i de to sektorer har ingen markedsmagt, hvilket betyder, at priserne på de internationalt handlede varer er givet fra verdensmarkedet. Modellen giver dermed en stiliseret beskrivelse af en situation, hvor konkurrencen på verdensmarkedet er så hård, at virksomhederne i de udlandskonkurrerende erhverv kun har meget lidt spillerum for at sætte priser, der afviger fra konkurrenternes. Modellen indeholder en vigtig sondring mellem produktreallønnen og forbruger - reallønnen. Produktreallønnen i en sektor er lig med forholdet mellem pengelønnen og prisen på sektorens produkt. Som vi skal se, kan industrisektorens produktivitetskor - rigerede produktrealløn (produktreallønnen sat i forhold til totalfaktorproduktiviteten) ses som en (omvendt) indikator for indlandets internationale konkurrenceevne. Forbrugerreallønnen er lig med pengelønnen divideret med forbrugerprisindekset, der inkluderer priserne på de indenlandsk og udenlandsk producerede goder, som de indenlandske forbrugere efterspørger. Pga. forventningsfejl og stivheder på arbejdsmarkedet slår ændringer i produktivitetsvæksten først gradvis igennem på reallønsvæksten, men forbrugerreallønnen tilpasser sig over tid, så der på langt sigt opnås en»naturlig«beskæftigelsesgrad. Den naturlige beskæftigelsesgrad er bestemt af strukturerne på arbejdsmarkedet, der betragtes som eksogent givne. Disse antagelser medfører, at ændringer i produktivitetsvækstraten på kort og mellemlangt sigt påvirker konkurrenceevnen og beskæftigelsen, mens de på langt sigt alene påvirker niveauet for og væksten i realindkomsten. En vigtig pointe er, at industriens internationale konkurrenceevne bl.a. afhænger af produktiviteten i servicesektoren. En anden hovedpointe er, at den højere underliggende produktivitetsvækst i industrien end i servicesektoren på langt sigt medfører et fald i industrisektorens andel af den samlede beskæftigelse og en stigning i den relative pris på service. Ifølge modellen vil en højere produktivitetsvækst i servicesektoren således kunne bremse tendensen til»afindustrialisering«af dansk økonomi. Papiret bidrager til en omfattende litteratur, der søger at klarlægge årsagerne til den gradvise forskydning af beskæftigelsen fra industrien til servicesektoren. 1 Ifølge de tidlige bidrag af Fisher (1935) og Clark (1940) skal forklaringen først og fremmest søges i, at indkomstelasticiteten i serviceefterspørgslen overstiger indkomstelasticiteten i efterspørgslen efter industrivarer, når økonomien når op over et vist udviklings - niveau. I modsætning hertil argumenterer Baumol (1967) for, at den stigende beskæftigelsesandel i servicesektoren og den stigende relative pris på service skyldes den re- 1. En oversigt over denne litteratur kan f.eks. findes i Schettkat og Yocarini (2003).

143 PRODUKTIVITETSUDVIKLING OG AFINDUSTRIALISERING 143 lativt svage produktivitetsvækst i sektoren, der igen skyldes de begrænsede mulig - heder for at mekanisere serviceproduktionen. Fuchs (1968) og Baumol m.fl. (1985) finder på grundlag af omfattende datasæt empirisk belæg for Baumol s hypotese. Nærværende papir fokuserer ligeledes på forskellen mellem industriens og servicesek - torens produktivitetsvækst som drivkraften bag den faldende beskæftigelsesandel i industrien. Betydningen af indkomstelasticiteten i serviceefterspørgslen vil blive nærmere diskuteret i afsnit 6.2. Resten af papiret er disponeret som følger: Sektion 2 opstiller modellen, og sektion 3 analyserer kortsigtseffekter af stød til produktivitet og bytteforhold. Sektion 4 beskriver modellens dynamik og langsigtsligevægt og sammenholder modellens forud - sigelser med nogle stiliserede fakta vedrørende udviklingen i dansk økonomi. Sektion 5 analyserer, hvordan økonomien reagerer over tid på permanente og midlertidige ændringer i produktivitetsvækst og bytteforholdsudvikling. Denne sektion sammenligner også virkningerne af afgifter med virkninger af ændringer i produktivitet og bytteforhold. Sektion 6 diskuterer resultaternes robusthed, og papiret afrundes i sektion 7 med en opsummering af hovedkonklusionerne. En nærmere dokumentation af de refererede resultater kan findes i det tekniske appendiks i Sørensen (2013a). 2. En to-sektor model for en lille åben økonomi Historisk har produktivitetsvæksten i de udlandskonkurrerende erhverv været mærk bart højere end produktivitetsvæksten i de private hjemmemarkedserhverv. For at belyse de makroøkonomiske konsekvenser af en sådan udvikling vil vi nu opstille en to-sektor model, hvor økonomien opdeles i en sektor for internationalt handlede varer (»industrien«) og en sektor, der alene afsætter sine produkter på hjemmemarkedet (»servicesektoren«). De hjemlige industrivirksomheder sælger en del af deres produkter i indlandet, mens resten eksporteres. De indenlandske forbrugere efterspørger foruden service både indenlandsk producerede og importerede industrivarer. De to typer af industrivarer er imperfekte substitutter, men da de begge handles internationalt, er deres priser ekso - gent givet fra verdensmarkedet. Prisen på servicesektorens output er derimod endogent bestemt af de indenlandske omkostnings- og efterspørgselsforhold. Arbejdskraften er immobil over grænserne, men antages at være perfekt mobil mellem de indenlandske produktionssektorer, således at begge sektorer betaler den samme løn (som vi skal se, er denne forudsætning dog ikke kritisk for resultaterne vedrørende det korte og mellemlange sigt). En to-sektor model baseret på lignende forudsætninger har været flittigt benyttet i den internationale makroøkonomiske litteratur, jf. f.eks. Obstfeld og Rogoff (1996, kapitel 4). I modsætning til Obstfeld og Rogoff (op.cit.) inddrager vi ikke eksplicit kapital som en produktionsfaktor ved siden af arbejdskraft. Til gengæld åbner vi for en

144 144 NATIONALØKONOMISK TIDSSKRIFT NR. 2 rigere dynamik ved at antage, at forbrugerreallønnen kun tilpasser sig trægt til det niveau, der sikrer en normal beskæftigelsesgrad. Dermed tager vi modsat Obstfeld og Rogoff hensyn til, at produktivitetsstød og andre eksogene stød på kort og mellem - langt sigt kan påvirke den samlede beskæftigelse og ikke blot beskæftigelsens fordeling på sektorer. Vi går også videre end Obstfeld og Rogoff ved at tillade, at importerede og indenlandsk producerede industrivarer er imperfekte substitutter. Det giver os mulighed for at analysere effekterne af stød til bytteforholdet i udenrigshandelen. Nedenfor gives en nærmere beskrivelse af modellen, der benytter følgende notation: A x A z = totalfaktorproduktivitet i industrien = totalfaktorproduktivitet i servicesektoren B = bytteforhold i udenrigshandelen g x = vækstrate i A x g z = vækstrate i A z M = samlet indenlandsk nominel indkomst N x = beskæftigelse i industrisektoren N z = beskæftigelse i servicesektoren N = samlet strukturel (»naturlig«) beskæftigelse P = pris på service P f = forbrugerprisindeks Q = prisindeks for industrivarer Q h = pris på indenlandsk producerede industrivarer Q m = pris på importerede industrivarer (opgjort i indlandets valuta) W = pengeløn W f = forbrugerrealløn W * = reallønsmål (tilstræbt værdi af W f ) X h = indenlandsk industriproduktion X h c = forbrug af indenlandsk producerede industrivarer X m c = forbrug af importerede industrivarer X = aggregeret forbrug af industrivarer Z = produktion og forbrug af service 2.1 Virksomhedernes adfærd Produktionen i de to sektorer givet ved X h = A x N x, 0 < < 1, (1) Z = A z N z, 0 < < 1. (2)

145 PRODUKTIVITETSUDVIKLING OG AFINDUSTRIALISERING 145 Industriens profit er lig med Q h X h WN x, som bliver maksimeret, når værdien af industriarbejdernes grænseprodukt Q h A x N x -1 svarer til deres løn W. Industribeskæf - tigelsen er derfor givet ved 1 Q h A x N x = 1-. (3) W Qh Ax Bemærk at (3) også kan skrives som N x W/ 1 1-, hvor W/Q h A x er industriens produktivitetskorrigerede produktrealløn. Jo højere denne er, jo lavere vil industriens beskæftigelse og produktion altså være. Dermed kan W/A x Q ses som en omvendt indikator for industriens internationale konkurrenceevne. Analogt med (3) finder man ved brug af (2), at maksimering af servicesektorens profit (PZ WN z ) indebærer 1 P A z N z = 1-, (4) W hvor vi har antaget, at de enkelte servicevirksomheder ligesom industrivirksomhederne tager deres produktpriser for udefra givne. 2.2 Husholdningernes adfærd Den repræsentative husholdnings præferencer er givet ved CES nyttefunktionen U = [ 1 Z -1 + (1 ) 1 X -1 ] -1, 0 < < 1, > 0, 1, (5) hvor er substitutionselasticiteten mellem de to goder. Preferencerne for industrivarer antages at kunne beskrives ved en subnyttefunktion af Cobb-Douglas form: X = k (X c m ) (X c h )1-, 0 < < 1. (6) Den samlede udgift til forbrug af industrivarer er QX = Q m X c m + Q h X c h. (7) Indkomsterne fra produktionen i de to sektorer tilfalder husholdningerne som løn eller profit. Husholdningernes samlede nominelle indkomst er derfor givet ved

146 146 NATIONALØKONOMISK TIDSSKRIFT NR. 2 M = PZ + Q h X h. (8) Forbrugernes nyttemaksimering foregår i to trin. I første trin vælges den sammen - sætning af industrivareforbruget, der minimerer udgiften Q m Xm c + Q h X h c ved at opnå et givet samlet forbrug X af industrivarer. Med passende valg af konstanten k i (6) kan denne udgiftsminimering vises at indebære, at Q m Xm c = QX, Q h X c h = (1 )QX, (9) Q = Q m Q h 1-. (10) I andet trin maksimerer forbrugeren nyttefunktionen (5) mht. Z og X under hensyntagen til budgetrestriktionen PZ + QX = M, (11) hvor den nominelle indkomst M defineret i (8) tages for given. Førsteordensbetingelserne for løsning af dette problem kan vises at medføre, at P PZ + Q h X h Z = -, (12) P f P f P f = [(1 ) Q 1- + P 1- ] (13) Vi ser af (12), at substitutionselasticiteten samtidigt angiver den numeriske pris - elasticitet i serviceefterspørgslen. 2.3 Kortsigtsligevægt Vor ikke-monetære model kan alene bruges til at bestemme de relative priser. Vi vælger derfor industrivareaggregatet X som numeraire-gode, således at Q =1. Dermed følger det af (10), at Q h Q h = B, B, (14) Q m hvor B er det eksogent givne bytteforhold i udenrigshandelen. Industribeskæftigelsen (3) kan derfor også skrives som

147 PRODUKTIVITETSUDVIKLING OG AFINDUSTRIALISERING 147 B A x N x = (15) W Uden tab af generalitet kan vi vælge vore måleenheder sådan, at P =1 i den initiale ligevægt. Med disse normeringer kan vi skrive forbrugerprisindekset (13) som en funktion af P, hvor dp f P f = P f (P) [1 + P 1- ] 1 1-, =, (16) dp I ligevægt skal produktionen af service svare til serviceefterspørgslen, dvs. højre - siderne af (2)og (12) skal svare til hinanden. Ved at indsætte (1), (2), (14) og (16) i (12) får vi dermed ligevægtsbetingelsen A z N z P - [P f (P)] -1 (PA z Nz + B A x Nx ) = 0. (17) Den nominelle løn W antages at blive fastsat ved starten af hver periode med henblik på at opnå en tilstræbt udvikling i forbrugerreallønnen, jf. afsnit 4. På kort sigt (dvs. inden for den enkelte periode) er W altså prædetermineret. I det korte løb bliver beskæftigelsen dermed bestemt fra efterspørgselssiden af arbejdsmarkedet. De tre ligninger (4), (15) og (17) bestemmer således tilsammen de kortsigtede ligevægtsværdier af de tre endogene variable N z, N x og P, givet de prædeterminerede produktivitets - niveauer A x og A z, den prædeterminerede nominelle løn W og bytteforholdet B. Der - efter kan produktionen i de to sektorer bestemmes ud fra produktionsfunktionerne (1) og (2). I modellen vil udenrigshandelen altid balancere, eftersom (7), (8) og (11) tilsammen indebærer, at værdi af eksport værdi af import Q h (X h X c h ) = Q m X c m. (18) Den vedvarende ligevægt på betalingsbalancen er en konsekvens af, at husholdningerne overholder deres budgetrestriktion, og at modellen af forenklingshensyn ser bort fra opsparing, investering og internationale kapitalbevægelser. 3. Kortsigtseffekter af stød til produktivitet og bytteforhold Vi kan nu bruge modellen til at undersøge, hvordan forskellige stød påvirker økonomien på kort sigt. I Sørensen (2013a) udledes fra ligningerne (4), (15) og (17) de re-

148 148 NATIONALØKONOMISK TIDSSKRIFT NR. 2 Tabel 1. Kortsigtsvirkninger af uventede stød til økonomien. Effekt på Stigning i A x Stigning i B Stigning i A z P + + N x N z + + (-)* * Den negative effekt fremkommer i det empirisk plausible tilfælde, hvor < 1. sultater, der er opsummeret i tabel 1. Resultaterne vedrører effekterne af uventede stød, der indtræffer, efter at den nominelle løn for den betragtede periode er fastsat. En stigning i industriens produktivitet sænker industriens produktivitetskorrigerede produktrealløn W/Q h A x =W/B A x. Dette tilskynder ifølge (15) industrivirksomhederne til at øge beskæftigelsen. Den højere produktivitet og den øgede industribeskæf - tigelse hæver de indkomster, der skabes i industrisektoren. Derved stiger efterspørgslen efter service, hvilket driver prisen på service i vejret. Derfor falder servicesektorens produktrealløn W/P, hvilket tilskynder til større beskæftigelse i sektoren. Af ligningerne (15) og (17) ser vi, at en stigning i bytteforholdet B påvirker industribeskæftigelsen og serviceefterspørgslen på samme måde som en stigning i industriens produktivitet: For det første bliver det profitabelt for industrivirksomhederne at ansætte flere medarbejdere, når den relative pris på indenlandsk producerede industrivarer stiger. For det andet øger stigningen i bytteforholdet de realindkomster, der skabes i industrien. De kvalitative virkninger af et bedre bytteforhold er derfor de samme som virkningerne af højere produktivitet i industrien, jf. de to første søjler i tabel 1. En højere produktivitet i servicesektoren vil sænke sektorens marginalomkostninger og dermed prisen på service. Det påvirker dog ikke umiddelbart industriens produktrealløn, så industribeskæftigelsen vil på kort sigt være uændret. Virkningen på servicesektorens beskæftigelse er teoretisk tvetydig: På den ene side sænker den højere produktivitet servicevirksomhedernes behov for arbejdskraft per produceret enhed, hvilket dæmper deres efterspørgsel efter arbejdskraft. I modsat retning trækker dog, at den lavere servicepris øger efterspørgslen efter service. Hvis den numeriske priselasticitet i serviceefterspørgslen ( ) er mindre end 1, hvilket som påvist nedenfor er det empirisk plausible tilfælde, vil den førstnævnte effekt dog dominere, således at servicesektorens beskæftigelse falder. 4. Dynamik og langsigtsligevægt 4.1 Løntilpasningen Den nominelle løn fastsættes med henblik på at opnå en tilstræbt udvikling i forbrugerreallønnen, der er defineret som W f W/P f. For at belyse økonomiens udvikling

149 PRODUKTIVITETSUDVIKLING OG AFINDUSTRIALISERING 149 over tid kan vi derfor med fordel udtrykke arbejdskraftefterspørgslen som funktion af forbrugerreallønnen. Ved brug af (4), (15), (16) og definitionen af W f får vi således, at B A x N x = 1 1-, (19) P f (P) W f PA z N z = (20) P f (P) W f Ved at kombinere (19) og (20) med (17) får man et system, der tilsammen bestemmer N x, N z og P som funktioner af A x, A z, B og W f. Vi antager, at arbejdsmarkedets parter 2 gradvis søger at tilpasse forbrugerreallønnen til det niveau W *, der sikrer et normalt beskæftigelsesomfang N, undertiden kaldet den strukturelle eller»naturlige«beskæftigelse. Ligevægtslønnen W* er således implicit bestemt af betingelsen N x (A x, A z, B, W*) + N z (A x, A z, B, W * ) = N, (21) hvor vi har normeret arbejdsstyrken til 1, således at N kan tolkes som den strukturelle beskæftigelsesgrad. Den strukturelle beskæftigelse er bl.a. bestemt af lønmodtagernes preferencer for realløn contra beskæftigelse og af organisationsforholdene på arbejdsmarkedet. Disse strukturelle forhold betragtes her som eksogent givne. Vi definerer nu w* ln W *, a x ln A x, a z ln A z og b ln B. Som vist i Sørensen (2013a) kan man da udlede af (21), at udviklingen i ligevægtsreallønnen er givet ved w* t w * t-1 = (g x,t + g b,t ) + (1 ) g z,t, (22) g x,t a x,t a x,t-1, g z,t a z,t a z, t-1, g b,t b t b t-1, + (1 ) + s (1 ), s. (23) + (1 ) + s [ + (1 )] N z N x Som forklaret i Sørensen (2013a) vil størrelsen i (23) ligge mellem nul og én for alle plausible parameterværdier. 3 Ifølge (22) vil vækstraten i reallønsmålet altså være lig med et vejet gennemsnit af produktivitetsvækstraten g z i servicesektoren og den»bytteforholdskorrigerede produktivitetsvækstrate«g x + g b i industrien. 2. Med»arbejdsmarkedets parter«menes her de aktører, der aftaler lønnen, hvad enten det foregår på den enkelte virksomhed, på brancheniveau eller på mere centralt niveau.

150 150 NATIONALØKONOMISK TIDSSKRIFT NR. 2 Med udgangspunkt i (22) er det naturligt at definere den produktivitets- og bytteforholdskorrigerede faktiske forbrugerrealløn som W f / (B A x ) A z 1-. Logaritmen hertil betegner vi som w f (a x + b) (1 ) a z. Tilsvarende har vi den produktivitetskorrigerede tilstræbte realløn W* / (B A x ) A z 1- og den tilhørende logaritme * w* (a x + b) (1 ) a z. I en langsigtsligevægt, hvor reallønnen er på det ønskede niveau, vil * ifølge (22) være konstant. Arbejdsmarkedets parter kan ikke direkte kontrollere forbrugerreallønnen, men kun (logaritmen til) den nominelle løn w ln W. Den forventede forbrugerrealløn (på logaritmisk form) er w t fe w t p t fe, hvor p fe ln P fe er (logaritmen til) det forventede forbrugerprisniveau. Endvidere definerer vi p ln P. Med baggrund i det ovenstående antager vi nu, at den nominelle løn tilpasses over tid, således at der opnås en forventet vækst i forbrugerreallønnen svarende til w t p t fe (w t-1 p f t-1 ) = (g e x,t + g e b,t ) + (1 ) g e z,t + ( * t-1 ) w t p t f (w t-1 p f t-1 ) = p t fe p f t + (g e g,t + g e b,t ) + (1 )g e z,t + (w* w t-1 ) w t f w f t-1 = (ge p,t g p,t ) + (g e x,t + g e b,t ) + (1 ) g e z,t + ( * t-1 ), (24) g e p,t pe t p t-1, g p,t p t p t-1, 0 < < 1. Størrelserne g x e og g z e er de forventede produktivitetsvækstrater i de to sektorer, g b e er den forventede vækstrate i bytteforholdet, og g p e og g p er hhv. den forventede og den faktiske vækstrate i prisen på service. I overgangen fra anden til tredje linie i (24) har vi benyttet (16), som implicerer, at p fe t p f t = (pt e p t ) = [(pe t p t-1 ) (p t p t-1 )], givet antagelsen om, at P = P f = 1 i den initiale ligevægt. Hvis den faktiske realløn i foregående periode svarer til den tilstræbte, dvs. hvis t-1 = *, vil arbejdsmarkedets parter ifølge (24) aftale en forventet reallønsvækst, der svarer til den forventede gennemsnitlige bytteforholdskorrigerede produktivitetsvækst ( (gx e + g b e) + (1 ) g z e ), så den forventede realløn forbliver på sit tilstræbte niveau. Hvis den foregående periodes faktiske realløn ligger under reallønsmålet, vil den aftalte forventede reallønstigning i indeværende periode derimod overstige den for - ven tede bytteforholdskorrigerede produktivitetsvækst, og vice versa. Parameteren af spejler, hvor hurtigt lønforhandlerne søger at drive reallønnen mod det tilstræbte ni- 3. Parameteren er lig med industriens lønkvote, og med den valgte normering af de initiale priser vil være lig med serviceforbrugets budgetandel. Som forklaret nedenfor er størrelsen s i (23) i realiteten tids - afhængig. I det følgende betragter vi dog s og dermed som konstanter, hvilket svarer til at arbejde med en lineær approksimation omkring den initiale steady state.

151 PRODUKTIVITETSUDVIKLING OG AFINDUSTRIALISERING 151 veau. Det følger endvidere af (24), at den faktiske udvikling i forbrugerreallønnen vil afvige fra den tilstræbte udvikling, hvis forventningerne til prisudviklingen slår fejl, dvs. hvis g e p,t g p,t. Ved brug af definitionen af kan (24) omskrives til t t-1 = (g e p,t g p,t ) + [gx,t e g x,t + (g b,t e g )] b,t + (1 ) (g z,t e g z,t ) + ( * * t-1 ). (25) Lad os nu for en stund forudsætte, at vækst raterne g x, g b og g z er konstante over tid. Det forekommer da rimeligt at antage, at disse vækstrater såvel som prisudviklingen efterhånden vil blive korrekt forudset, således at g e x = g x, g e b = g b, g e z = g z og g e p = g p. Dermed forenkles (25) til differensligningen t = (1 ) t-1 + *, som har løs - ningen t = * + (1 ) t ( 0 * ), (26) hvor 0 er den prædeterminerede initialværdi af. Da 0 < < 1, vil den produktivitetsog bytteforholdskorrigerede forbrugerrealløn altså konvergere mod den konstante steady state værdi *, når produktivitet og bytteforhold vokser med konstante rater. 4.2 Udviklingen i beskæftigelse og priser Ved brug af definitionerne n x ln N x og n z ln N z og sammenhængene ovenfor viser Sørensen (2013a), at udviklingen i beskæftigelsen og den relative servicepris kan beskrives ved ligninger af formen n x,t n x,t-1 = s (1 )[g z,t (g x,t + g b,t )] -1 [ + (1 )] ( t t-1 ), (27) n x,t n x,t-1 = (1 )(g x,t + g b,t g z,t ) -1 [ + (1 )] ( t t-1 ), (28) p t p t-1 = (1 + s)(g x,t + g b,t g z,t ) -1 ( ) ( t t-1 ), (29) hvor og er positive konstanter, der afhænger af modellens parametre. Ligningerne (25) samt (27) til (29) beskriver tilsammen økonomiens udvikling over tid, når de kombineres med en antagelse om forventningsdannelsen. I det følgende vil vi se på situationer, hvor økonomien i periode 0 forstyrres af en ændring i en af de ek - sogene vækstrater g x, g b eller g z. Vi vil antage, at ændringen kommer som en over - raskelse i den periode, hvor stødet indtræffer, men at udviklingen i produktivitet og

152 152 NATIONALØKONOMISK TIDSSKRIFT NR. 2 bytteforhold derefter igen forudses korrekt. Det kan fortolkes som en antagelse om, at forventningerne er rationelle, men at økonomien undertiden udsættes for uforudsige - lige stokastiske stød. Vi vil senere diskutere konsekvenserne af en alternativ antagelse om adaptive forventninger. 4.3 Modellens langsigtsligevægt og de stiliserede fakta Hvis vækstraterne g x, g b og g z er konstante, vil reallønnen som nævnt konvergere mod det tilstræbte niveau, og økonomien vil dermed bevæge sig mod en langsigtsligevægt, hvor t = t-1 = *. Det følger da af (27) til (29), at udviklingen i de to sektorers beskæftigelse og i den relative pris på service på langt sigt vil være givet ved n x,t n x,t-1 = s (1 )[g z (g x + g b )], (30) n z,t n z,t-1 = (1 )(g x + g b, g z ), (31) p t p t-1 = (1 + s)(g x + g b, g z ). (32) Ifølge (30) og (31) vil udviklingen i sektorernes beskæftigelse afhænge af, hvilken sektor der har størst (bytteforholdskorrigeret) produktivitetsvækst, og hvorvidt pris - elasticiteten i serviceefterspørgslen (= substitutionselasticiteten ) er numerisk større eller mindre end 1. Ved vurderingen af den sandsynlige størrelse af må der tages hensyn til den høje aggregeringsgrad i vor to-sektor model. I tabel 2 er der givet et bud på en grov opdeling af den danske private sektor i udlandskonkurrerende erhverv og hjemmemarkedserhverv, baseret på nationalregnskabsdata for De udlandskonkurrerende erhverv omfatter foruden industrien også de primære erhverv samt sø-og lufttransport.»hjemmemarkedserhvervene«i tabel 2 afsætter i praksis en del af deres produktion i udlandet, men for sektoren under ét er eksportkvoten under 5 pct. De to hovedsektorer i tabellen producerer i et vist omfang goder, der må antages at være komplementer snarere end substitutter. Det giver umiddelbart grund til at antage, at substitutionselasticiteten mellem de to sektorers output-aggregater er relativ lav og dermed mindre end 1. Vi kan undersøge denne hypotese ved at kalibrere modellen til danske data, idet vi tager udgangspunkt i ligning (12), ifølge hvilken budgetandelen for servicesektorens produkter er givet ved PZ P = 1-. (33) PZ + Q h X h P f

153 PRODUKTIVITETSUDVIKLING OG AFINDUSTRIALISERING 153 Tabel 2. En grov todeling af dansk økonomi (2005 data). Pct. af privat sektors BVT Udlandskonkurrerende erhverv Landbrug, skovbrug og fiskeri 1,7 Råstofindvinding 5,0 Industri 17,4 Skibsfart 2,9 Luftfart 0,2 I alt 27,2 Hjemmemarkedserhverv Forsyningsvirksomhed 3,4 Bygge-og anlægsvirksomhed 7,0 Handel og indenlandsk transport 23,1 Boligtjenester mv. 12,9 Finansiering og forsikring 7,0 Erhvervsservice 9,5 Andet 9,9 I alt 72,8 Kilde: Danmarks Statistik, nationalregnskabet. Heraf følger, at d ln = (1 ) (d ln P d ln P f ) (34) hvor et d foran en variabel angiver ændringen i den pågældende variabel. Danmarks Statistiks nationalregnskabsdata og data for forbrugerprisindekset og dets underkomponenter giver mulighed for at give et groft skøn over størrelserne d ln, d ln P og d ln P f i (34). Ved brug af data for perioden implicerer (34) da, at = Dermed bekræftes vor forhåndsformodning om, at < 1. Som dokumenteret af Produktivitetskommissionen (2013) har den underliggende produktivitetsvækst i de udlandskonkurrerende erhverv historisk været større end i hjemmemarkedserhvervene (g x > g z ), og prisen på dansk industrieksport er i en årrække steget hurtigere end prisen på importerede industrivarer (g b > 0). Det realistiske scenario er således, at g x + g b > g z. Med disse realistiske antagelser følger det af (30) til (32), at beskæftigelsen i de udlandskonkurrerende erhverv vil være faldende på langt sigt, mens beskæftigelsen i 4. Ændringen i over den angivne periode er opgjort på basis af den to-deling af den private sektor, som er anført i tabel 2. Ved beregningen af størrelsen (d ln P d ln P f ) i (34) er P målt ved forbrugerprisindekset for service, mens P f er målt ved det samlede forbrugerprisindeks. Der er tale om et meget groft skøn for, der bl.a. vanskeliggøres af et databrud i 2000 i serien for forbrugerprisindekset. Den sande værdi af er sandsynligvis lavere end det her angivne skøn, jf. diskussionen nedenfor i afsnit 6.

154 154 NATIONALØKONOMISK TIDSSKRIFT NR. 2 hjemmemarkedserhvervene og den relative pris på disse erhvervs output vil være stigende. Endvidere vil reallønnen i langsigtsligevægt stige svarende til den vejede gennemsnitlige bytteforholdskorrigerede produktivitetsvækst i økonomien som helhed. Den homotetiske nyttefunktion (5) implicerer, at indkomstelasticiteten i efterspørgslen efter begge sektorers output er lig med 1. Når priselasticiteten i»serviceefter - spørgslen«samtidigt er numerisk mindre end 1, forudsiger to-sektor modellen en gradvis stigning i den andel af husholdningernes budget, der anvendes til køb af hjemmemarkedserhvervenes produkter. Figur 1 og 2 viser, at disse modelforudsigelser er konsistente med danske data. Figur 1 dokumenterer det velkendte forhold, at prisen på service (bredt defineret) har været stigende i forhold til det generelle forbrugerprisniveau. Figur 2 viser på basis af en sektoropdeling svarende til den i tabel 2, at beskæftigelsen i de udlandskonkurrerende erhverv udgør en faldende andel af den samlede private beskæftigelse, og at hjemmemarkedserhvervene står for en stigende andel af den samlede nominelle brut - toværditilvækst i den private sektor (svarende til en stigende budgetandel for hjemmemarkedssektorens output). I et internationalt tværsnitsperspektiv forudsiger vor model, at industriens andel af den samlede beskæftigelse vil tendere at være lavere i de lande, der har det højeste gennemsnitlige produktivitetsniveau og dermed det højeste indkomstniveau. Figur 3 viser, at denne forudsigelse er konsistent med data for OECD-landene. Den langsigtede sektorforskydning i beskæftigelsen kan ifølge vor to-sektor model forklares på følgende måde: Indkomsterne stiger svarende til den gennemsnitlige produktivitetsvækst i hele økonomien, og efterspørgslen efter service stiger i takt med indkomsterne (for en given relativ pris på service). Produktiviteten i servicesektoren stiger imidlertid relativt langsomt og halter dermed efter stigningen i efterspørgslen. Umiddelbart er der derfor behov for at sluse arbejdskraft fra industrien over i servicesektoren for at imødekomme den stigende efterspørgsel efter service. Der er dog også en modsatrettet effekt, idet den relativt lave produktivitetsvækst i servicesektoren som nævnt medfører en relativ prisstigning på service, der dæmper serviceefterspørgslen og dermed mindsker behovet for arbejdskraft i servicesektoren. Men når priselasticiteten i serviceefterspørgslen er numerisk mindre end 1, vil den førstnævnte effekt dominere den sidstnævnte, så nettoeffekten bliver en stigning i servicesektorens beskæf - tigelse på bekostning af industriens beskæftigelse. 5. Dynamiske effekter af produktivitetsstød 5.1 Effekter af et stød til servicesektorens produktivitetsvækst Lad os nu undersøge, hvordan økonomien tilpasser sig over tid i kølvandet på uforudsete produktivitetsstød. Vi starter med at analysere virkningerne på beskæftigelsen

155 PRODUKTIVITETSUDVIKLING OG AFINDUSTRIALISERING Figur 1. Udviklingen i den relative pris på service i Danmark. Kilde: Produktivitetskommissionens beregninger baseret på data fra Danmarks Statistik. 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0, BNP pr. indbygger i kr. De udlandskonkurrerende erhvervs andel af den private beskæftigelse Hjemmemarkedserhvervenes andel af den private sektors nominelle BVT Figur 2. Sektorforskydninger i beskæftigelse og bruttoværditilvækst i dansk økonomi. Kilde: Produktivitetskommissionens beregninger baseret på data fra Danmarks Statistik.

156 156 NATIONALØKONOMISK TIDSSKRIFT NR. 2 Beskæftigelsesandel i industrien, pct CZE HUN POL SVK SVN ITA ESP ISR GER IPN FIN AUT SWE DNK IRL NLD GRB USA NOR Figur 3. Indkomst og industribeskæftigelse Kilde: Produktivitetskommissionen (2013, figur 32). BNP pr. indbygger i kr. af en permanent ændring i servicesektorens produktivitetsvækstrate fra det initiale konstante niveau g z til det nye niveau g z + g z (der fortsat antages at være mindre end g x + g b ). Vi ser her på det simple tilfælde, hvor ændringen i g z og den resulterende ændring i serviceprisen indtræffer uventet i periode 0, men hvor den nye konstante produktivitetsvækstrate og udviklingen i serviceprisen forudses korrekt i de efterfølgende perioder. Vi antager endvidere, at økonomien er i en langsigtsligevægt, før produktivitetsstødet indtræffer. De kortsigtede effekter (effekterne i periode 0) af en uventet stigning i servicesektorens produktivitetsvækst er udledt i Sørensen (2013a), og de kvalitative kortsigtsvirkninger er angivet i tredje søjle i tabel 1. Sørensen (op.cit.) viser bl.a., at den uventede stigning i g z i periode 0 vil medføre en ændring i den produktivitets- og bytteforholdskorrigerede forbrugerrealløn svarende til s (1 ) d 0 = g z. (35) + (1 ) Endvidere viser Sørensen (op.cit.), at stødet til servicesektorens produktivitetsvækst vil udløse følgende tilpasninger i den produktivitets- og bytteforholdskorrigerede realløn fra periode 1 og fremefter:

157 PRODUKTIVITETSUDVIKLING OG AFINDUSTRIALISERING 157 n x 0 t n z 0 t Figur 4. Beskæftigelsesvirkninger af en permanent stigning i servicesektorens produktivitetsvækstrate. t t-1 = (1 ) t-1 d 0, t = 1,2,... (36) Ligningerne (27) til (29) ovenfor beskriver sammen med (35) og (36) den udvikling i beskæftigelsen og serviceprisen, som stigningen i servicesektorens produktivitetsvækst giver anledning til fra periode 1 og frem. Under den tidligere nævnte realistiske antagelse, at < 1, ser vi af (35), at stigningen i g z på kort sigt vil udløse en stigning i den produktivitets- og bytteforholdskorrigerede forbrugerrealløn. Årsagen er, at den højere produktivitetsvækst medfører et fald i serviceprisen, der øger reallønnen, da den nominelle løn på kort sigt er låst fast af de allerede indgåede lønaftaler. Dermed bliver drevet op over det tilstræbte niveau *, hvilket fra periode 1 og frem udløser en gradvis nedadgående korrektion i den produktivitets- og bytteforholdskorrigerede forbrugerrealløn, jf. (36). I figur 4 har vi brugt disse resultater til at illustrere, hvordan en permanent stigning i servicesektorens produktivitetsvækstrate påvirker de to sektorers beskæftigelse. De fuldt optrukne kurver viser den faktiske beskæftigelsesudvikling, mens de stiplede rette

158 158 NATIONALØKONOMISK TIDSSKRIFT NR. 2 linier viser beskæftigelsesforløbet i en langsigtsligevægt, hvor den produktivitets kor - rigerede realløn er fuldt tilpasset. Frem til periode 0 er økonomien i en steady state, hvor industriens beskæftigelse er faldende, mens servicesektorens beskæftigelse er stigende som følge af, at produktivitetsvæksten er lavere i servicesektoren end i industrien. Den øverste del af figur 4 illustrerer, at stigningen i servicesektorens produktivitetsvækst ikke straks påvirker industriens beskæftigelse, da industriens produktivitetskorrigerede produktrealløn i første omgang er uændret, jf. forklaringen i afsnit 3. Efter periode 0 vil industribeskæftigelsen dog blive stimuleret af den nedadrettede tilpasning i. I figuren er denne effekt antaget at være så stærk, at det absolutte niveau for industribeskæftigelsen stiger i nogle perioder. Det vil dog afhænge af graden af reallønfleksibilitet (målt ved parameteren ), om der faktisk sker en midlertidig stigning i den absolutte industribeskæftigelse, men ifølge (27) vil stigningen i g z under alle om - stændigheder sænke den hastighed, hvormed industribeskæftigelsen falder, både på mellemfristet sigt og i den nye langsigtsligevægt. Den nederste del af figur 4 viser, at stigningen i g z reducerer servicesektorens beskæftigelse på kort sigt, da stigningen i sektorens produktion ikke er stor nok til at opveje det fald i behovet for arbejdskraft, der følger af den højere produktivitet (givet antagelsen om, at < 1). Efter periode 0 stimuleres servicesektorens beskæftigelse imidlertid af den nedadgående tilpasning i, men på langt sigt vil væksten i servicebeskæftigelsen være lavere end før, da stigningen i g z reducerer gabet mellem industriens bytteforholdskorrigerede produktivitetsvækst og produktivitetsvæksten i servicesektoren. 5.2 Effekter af produktivitetsstød og bytteforholdsstød i industrien Hvis vi alternativt antager, at det er industriens produktivitetsvækstrate, der fra og med periode 0 ændres til det nye konstante niveau g z + g x hvor ændringen kommer som en overraskelse i periode 0, men er fuldt erkendt fra periode 1 og frem finder vi igen, at udviklingen i den produktivitets- og bytteforholdskorrigerede forbrugerrealløn vil være givet ved (36) fra periode 1 og fremefter. Som vist i Sørensen (2013a) vil effekten på i periode 0 imidlertid nu være 1 d 0 = + g z. (37) (1 ) [ + (1 )] En stigning i industriens produktivitetsvækst vil altså i første omgang udhule den produktivitets- og bytteforholdskorrigerede forbrugerrealløn og dermed presse ned

159 PRODUKTIVITETSUDVIKLING OG AFINDUSTRIALISERING 159 n x 0 t n z 0 t Figur 5. Beskæftigelsesvirkninger af en permanent stigning i industriens produk - tivitetsvækstrate. under det tilstræbte niveau *. Fra periode 1 og frem vil derfor være stigende, jf. (36). Den initiale stigning i industribeskæftigelsen vil følgelig blive afløst af et fald, og industribeskæftigelsen vil gradvis tilpasse sig nedad mod en hastigere faldende langtidstrend, fordi forskellen mellem industriens og servicesektorens produktivitetsvækst er øget. Servicesektorens beskæftigelse vokser også på kort sigt og tilpasser sig herefter gradvist til en stejlere stigende langtidstrend. En uventet permanent stigning i bytteforholdets vækstrate g b vil virke på samme måde som en uventet permanent stigning i industriens produktivitetsvækst bortset fra, at ændringen i g b kun vil slå igennem med en faktor < 1 svarende til de importerede industrivarers budgetandel. Dette resultat følger umiddelbart ved betragtning af ligningerne (25) samt (27) til (29), hvor man ser, at de variable gx e hhv. g x indgår på nøj - agtigt samme måde som de variable g b e hhv. g b. En permanent stigning i g b, der indtræffer uventet i periode 0, hvorefter bytteforholdsvæksten igen forudses korrekt, vil altså have de samme kvalitative beskæftigelsesvirkninger som dem, der er illustreret i figur 5.

160 160 NATIONALØKONOMISK TIDSSKRIFT NR. 2 n x 0 t n z 0 t Figur 6. Beskæftigelsesvirkninger af en midlertidig stigning i servicesektorens produktivitetsvækstrate. 5.3 Virkninger af midlertidige stød til væksten i produktivitet og bytteforhold Analysen ovenfor vedrørte effekterne af permanente ændringer i vækstraten i sektorernes produktivitet eller i bytteforholdet. Modellen kan imidlertid også bruges til at analysere virkningerne af midlertidige stød til vækstraterne. Antag f.eks., at økonomien er i langsigtsligevægt frem til periode 1, men at vækst - raten i servicesektorens produktivitet uventet stiger i periode 0, hvorefter produktivitetsvækstraten falder tilbage til sit tidligere konstante (og korrekt forudsete) niveau. Dette scenario indebærer en permanent opadrettet niveauforskydning af servicesektorens produktivitet. Den formelle analyse af et sådant niveauskift viser sig at være kompleks. Af forenklingshensyn fokuserer vi derfor på det specialtilfælde, hvor lønkvoterne i de to produktionssektorer er ens, dvs. =, hvilket empirisk er en god approksimation i en dansk kontekst. 5 Under denne forudsætning viser Sørensen (2013a), at den 5. Ifølge de nationalregnskabsdata, der ligger til grund for tabel 2, var lønkvoten i de udlandskonkurrerende erhverv i 2005 lig med 0,55, mens den i hjemmemarkedserhvervene var 0,57. Det kan måske overraske, at

161 PRODUKTIVITETSUDVIKLING OG AFINDUSTRIALISERING 161 n x 0 t n z 0 t Figur 7. Beskæftigelsesvirkninger af en midlertidig stigning i industriens produktivitetsvækstrate. midlertidige stigning i serviceerhvervenes produktivitetsvækst vil have de kvalitative virkninger på beskæftigelsen, som er illustreret i figur 6. I periode 0 vil den midlertidige stigning i g z have de samme virkninger på begge sektorers beskæftigelse som i tilfældet, hvor stigningen i produktivitetsvæksten er permanent. Disse kortsigtsvirkninger blev forklaret i afsnit 5.1. På langt sigt betyder det højere produktivitetsniveau i servicesektoren, at sektoren ikke behøver at beslaglægge så stor en andel af arbejdsstyrken som før for at kunne tilfredsstille service - efterspørgslen. I den nye langsigtsligevægt vil servicebeskæftigelsen derfor bevæge sig ad en vækststi, der ligger på et lavere niveau end før, som vist i den nederste del af figur 6. På langt sigt vil vækstraten i servicebeskæftigelsen dog være den samme som før, da vækstratedifferentialet g x, + g b g z i ligningerne (30) og (31) er uændret. Af hjemmemarkedssektoren ikke har en højere lønkvote, da den inkluderer en række arbejdsintensive serviceerhverv. Den omfatter imidlertid også den store delsektor for boligtjenester, der næsten udelukkende produceres ved hjælp af (bolig)kapital.

162 162 NATIONALØKONOMISK TIDSSKRIFT NR. 2 samme grund vil også industriens beskæftigelse på langt sigt følge en bane med samme (negative) hældning som før, jf. den øverste del af figur 6. Da reallønnen tilpasser sig således, at der på langt sigt opnås en konstant beskæftigelsesgrad, vil ligevægts - niveauet for industriens beskæftigelse dog ligge højere end før, da servicesektoren som nævnt vil lægge beslag på en mindre del af arbejdsstyrken. Efter periode 0 vil der være en tilpasningsfase, hvor den samlede beskæftigelse vil være stigende som følge af, at den produktivitets- og bytteforholdskorrigerede realløn tilpasser sig nedad som reaktion på den uventede reallønstigning, der indtræffer i periode 0. 6 Figur 7 illustrerer virkningerne af en midlertidig stigning i industriens produktivitetsvækstrate i periode 0 (også disse resultater følger af analysen i Sørensen (2013a)). De kortsigtede virkninger i periode 0 svarer igen til dem, der fremkommer i tilfældet med en permanent stigning i industriens produktivitetsvækstrate, jf. afsnit 5.2. Endvidere gælder ligesom i tilfældet med en midlertidig stigning i servicesektorens produktivitetsvækstrate, at beskæftigelsen i de to sektorer i den nye langsigtsligevægt vil følge baner med samme hældning som før. Det højere produktivitetsniveau i industrien medfører imidlertid en permanent realindkomststigning, og en del af den deraf følgende stigning i efterspørgslen vil rette sig mod serviceydelser. Da produktivitetsudviklingen i servicesektoren er uændret, kan stigningen i serviceefterspørgslen på langt sigt kun imødekommes ved, at en større andel af arbejdsstyrken finder beskæftigelse i serviceerhvervene. Modstykket hertil er, at industrien på langt sigt vil stå for en lavere andel af den samlede beskæftigelse, jf. figur 7. Efter den indledende stigning i begge sektorers beskæftigelse vil der være en tilpasningsfase med et efterfølgende fald i beskæftigelsen, indtil økonomien når tilbage på det strukturelle beskæftigelsesniveau. Beskæftigelsesfaldet i tilpasningsfasen skyldes, at den produktivitets-og bytteforholdskorrigerede realløn er stigende i denne fase som reaktion på, at den i første omgang udhules af den uventede stigning i industriens produktivitetsvækst. 7 Sørensen (2013a) viser endvidere, at en uventet midlertidig stigning i bytteforholdets vækstrate g b vil virke på samme måde som en uventet midlertidig stigning i industriens produktivitetsvækst bortset fra, at ændringen i g b kun vil slå igennem med en faktor < 1 svarende til de importerede industrivarers budgetandel. Dette er helt parallelt til situationen med en permanent ændring i bytteforholdets vækstrate. 5.4 Virkningen af afgifter på de udlandskonkurrerende erhverv Interessant nok vil en sænkning af produktionsrelaterede afgifter på industrien under visse omstændigheder have de samme virkninger som en midlertidig stigning i 6. Ændringen i i periode 0 er ligesom i afsnit 5.1 givet ved (35). 7. Ændringen i i periode 0 vil fortsat være givet ved (37).

163 PRODUKTIVITETSUDVIKLING OG AFINDUSTRIALISERING 163 sek torens produktivitetsvækst eller bytteforholdsvækst. Antag f.eks., at industrien er pålagt en energiafgift, og at der kræves en konstant mængde energi for at producere en enhed af den indenlandske industrivare. Energiafgiften vil dermed være ækvivalent med en stykafgift på industriens produktion. Hvis den repræsentative industrivirksomhed skal betale en sådan produktskat med raten, vil dens profit være (Q h ) A x N x WN x. Idet vi husker, at Q h = B, bliver førsteordensbetingelsen for profitmaksimering i industrien da, at (B ) A x N x = (38) W Lad os i første omgang antage, at afgiftsprovenuet anvendes til at finansiere et offentligt forbrug, der tager form af indkøb af varer fra industrien. Det offentlige varekøb anvendes til at producere en offentlig tjeneste, der indgår på additiv separabel vis i husholdningernes nyttefunktion og dermed ikke påvirker det marginale substitutionsforhold mellem forbrug af industrivarer og forbrug af privat service. 8 Afgiften reducerer således den private sektors disponible indkomst, som nu bliver M = PZ + (Q h ) X h = PA z Nz + (B ) A x Nx. Husholdningernes nyttemaksimering indebærer da, at betingelsen for ligevægt på markedet for serviceydelser bliver A z N z P- [P f (P)] -1 [PA z N z + (B ) A x N x] = 0. (39) Da afgiften alene antages at påhvile industriproduktionen, vil betingelsen for profitmaksimering i servicesektoren fortsat være givet ved (4). Af (38) og (39) ser vi, at en sænkning af afgiften vil virke på samme måde som en stigning i industriens produktivitet (A x ) eller en stigning i bytteforholdet (B). Da en reduktion af afgiftssatsen ikke påvirker de eksogene variable g x, g b og g z, vil den således have de samme kvalitative virkninger som en midlertidig stigning i industriens produktivitetsvækst eller bytteforholdsvækst. Beskæftigelseseffekterne af en afgiftssænkning vil altså svare til de effekter, der er illustreret i figur 7. På kort sigt medfører afgiftssænkningen en stigning i industriens produktion og beskæftigelse. Den deraf følgende indkomststigning øger efterspørgslen efter service, hvilket driver prisen på serviceydelser i vejret. Derved tilskyndes også servicevirksomhederne til at øge produk- 8. Hvis det offentlige forbrug betegnes G, indebærer denne antagelse, at nyttefunktionen (5) modificeres til 1-1 U = [ 1-1 Z + (1 ) X ] -1 + f(g), hvor f(g) er nytten af det offentlige forbrug.

164 164 NATIONALØKONOMISK TIDSSKRIFT NR. 2 n x 0 t n z 0 t Figur 8. Beskæftigelsesvirkninger af at sænke produktionsrelaterede afgifter på industrien, finansieret ved lavere indkomstoverførsler. tion og beskæftigelse. På kort sigt vokser beskæftigelsen altså i begge sektorer. På længere sigt vil afgiftssænkningen imidlertid sænke industribeskæftigelsen, hvorimod servicebeskæftigelsen bliver permanent højere, end den ellers ville have været, jf. figur 7. Årsagen til den langsigtede stigning i servicesektorens beskæftigelsesandel er, at afgiftssænkningen øger husholdningernes disponible indkomst, hvilket permanent stimulerer serviceefterspørgslen. Servicesektoren kan kun imødekomme denne efter - spørgselsstigning ved at konkurrere lønningerne op, således at en større andel af arbejdsstyrken søger over i serviceerhvervene. Modstykket til dette er, at industrien på langt sigt tilskyndes til at reducere beskæftigelsen som følge af de højere lønninger. Et alternativt scenario er, at det offentlige anvender afgiftsprovenuet til at indkøbe serviceydelser fra den private sektor. I så fald vil en afgiftssænkning mindske serviceefterspørgslen og dermed servicesektorens behov for arbejdskraft, og afgiftsreduktionen vil da øge industribeskæftigelsens andel af den samlede beskæftigelse både på kort og på langt sigt.

165 PRODUKTIVITETSUDVIKLING OG AFINDUSTRIALISERING 165 En tredje mulighed er, at provenuet fra afgiften på industriproduktion anvendes til at finansiere ansættelse af medarbejdere i den offentlige sektor med henblik på produktion af offentlig service (der ikke konkurrerer direkte med privat service). En afgiftssænkning vil i dette tilfælde indebære en overførsel af arbejdskraft fra den offentlige til den private sektor. På langt sigt vil dette øge beskæftigelsen i såvel industrien som den private servicesektor, mens den samlede beskæftigelse vil være uændret, da den er bestemt af udviklingen i arbejdsstyrken. Endelig er der den mulighed, at afgiftsprovenuet bruges til at finansiere indkomst - overførsler til husholdningerne. Dermed vil afgiften ikke umiddelbart påvirke den private sektors disponible indkomst, og ligevægtsbetingelsen for markedet for service vil derfor ikke længere være givet ved (39), men derimod ved (17) hvor afgiften ikke indgår. Afgiften vil dog stadig mindske industriens profitabilitet, så (38) vil fortsat gælde. Figur 8 illustrerer, hvordan en afgiftssænkning vil virke i dette scenario, hvor økonomiens kortsigtsligevægt er beskrevet ved ligningerne (4), (17) og (38). Afgiftssænkningen vil på kort sigt stimulere beskæftigelsen i begge sektorer af de samme grunde som før. Men da afgiftsnedsættelsen nu finansieres ved beskæring af ind - komstover førs ler (der her antages at være af lump sum karakter), vil den ikke umiddelbart øge de disponible indkomster i modsætning til situationen, hvor provenuet finansierer offentligt forbrug. Derfor stiger efterspørgslen efter service ikke i samme grad, og da profitabiliteten af industriproduktion samtidigt forøges, bliver nettoresultatet derfor, at industriens andel af den samlede beskæftigelse vokser både på kort og på langt sigt, jf. den formelle analyse i Sørensen (2013a). Det skal understreges, at analysen i dette afsnit ikke opfanger alle relevante virkninger af produktionsrelaterede afgifter på industrien. F.eks. tages der ikke hensyn til, at afgifter kan være effektivitetsfremmende, hvis de bidrager til en korrekt internalisering af eksterne miljøeffekter. Der tages heller ikke hensyn til, at afgiftsprovenuet evt. kan anvendes til at finansiere offentlige aktiviteter, der kan understøtte erhvervslivets produktivitet. Modellen kan ej heller belyse de substitutionsvirkninger i produktionen, som afgifter kan udløse, og de fordelingsvirkninger som afgifterne og provenuanvendelsen har. 5.5 Implikationer for den danske økonomisk-politiske debat Resultaterne ovenfor har interessante implikationer for den debat om»danmark som produktionsland«, der er blevet rejst i de seneste år. 9 Debatten udspringer af, at industribeskæftigelsen i Danmark er faldet kraftigt i kølvandet på finanskrisen. Flere iagt tagere har peget på, at dansk industri befinder sig i en omkostningsklemme som 9. Kraka (2013) giver en oversigt over de problemstillinger, som denne debat omhandler.

166 166 NATIONALØKONOMISK TIDSSKRIFT NR. 2 følge af forringelsen af lønkonkurrenceevnen siden årtusindskiftet, og der er en bekymring for, at fortsat nedlæggelse og udflytning af industriarbejdspladser efterhån - den fører til, at også forsknings- og udviklingsaktiviteter flyttes ud. Som følge heraf har der været meget fokus på behovet for at styrke dansk industris internationale konkurrenceevne, bl.a. gennem en stigning i sektorens produktivitet. Analysen ovenfor indikerer, at højere produktivitetsvækst i industrisektoren på kort sigt faktisk kan forøge industriens konkurrenceevne og beskæftigelse. Analyserne i figur 5 og 7 peger dog også på, at en permanent stigning i industriens produktivitetsvækstrate på langt sigt vil accellerere tendensen til afvandring af arbejdskraft fra industrien til hjemmemarkedserhvervene. Ifølge modellen er denne forstærkede sektorforskydning dog ikke noget problem (tværtimod), da den er ledsaget af en højere industriproduktion, en højere gennemsnitlig realløn og en større samlet realindkomst. Analyserne i figur 4 og 6 fremhæver endvidere den vigtige pointe, at en højere produktivitetsvækst i servicesektoren vil styrke industriens internationale konkurrenceevne og øge industribeskæftigelsen på længere sigt. Dette er interessant, da meget tyder på, at der er et betydeligt potentiale for højere produktivitetsvækst i den danske servicesektor, jf. Produktivitetskommissionen (2013). På det seneste har der i den danske debat været stigende fokus på afgiftslettelser for de udlandskonkurrerende erhverv som middel til at forbedre erhvervenes kon kur - rence evne og beskæftigelse. Den såkaldte Vækstplan DK, der blev vedtaget af Folketinget i foråret 2013, indeholdt da også en sænkning af erhvervenes energiafgifter. Undersøgelsen i afsnit 5.4 viser, at afgiftslettelser for industrien i vigtige henseender virker på samme måde som en stigning i sektorens produktivitet. Analysen peger dog også på vigtigheden af at præcisere, hvordan en afgiftslettelse tænkes finansieret. Hvis en afgiftssænkning for industrien fører til mindre offentlige indkøb af industrivarer, vil industriens beskæftigelse falde på langt sigt, selvom den stiger på kort sigt. Hvis afgiftslettelsen derimod finansieres ved mindre offentlige indkøb af private serviceydelser, lavere offentlig beskæftigelse eller lavere indkomstoverførsler, vil industribeskæftigelsen stige både på kort og på langt sigt. Ifølge vor analyse medfører den træge løntilpasning, at højere produktivitetsvækst midlertidigt forbedrer industriens konkurrenceevne, hvad enten produktivitetsstigningen indtræffer i industrien eller i servicesektoren. Politiske tiltag til fremme af produktiviteten vil dog typisk være længe om at slå igennem, hvorimod en utilfredsstillende konkurrenceevne normalt vil være et mere kortsigtet konjunkturfænomen. En politik for produktivitetsfremme bør derfor ses som en langsigtet strukturpolitik snarere end som et kortsigtet middel til at forbedre konkurrenceevnen, jf. også diskussionen af den danske konkurrenceevne i De Økonomiske Råd (2013, kapitel 1).

167 PRODUKTIVITETSUDVIKLING OG AFINDUSTRIALISERING Er resultaterne robuste? Den opstillede model bygger på en række forenklende antagelser. Dette afsnit diskuterer derfor, hvor robuste modelresultaterne må formodes at være over for en inddragelse af mere realistiske forudsætninger. 6.1 Betydningen af arbejdskraftens mobilitet To-sektor modellen antager, at arbejdskraften er perfekt mobil mellem de indenlandske produktionssektorer, således at lønnen er den samme i begge sektorer både på kort og på langt sigt. I praksis er arbejdskraften ikke perfekt mobil på kort sigt, så derfor vil lønningerne først gradvis blive udlignet på tværs af sektorer. Modellens forudsigelser vedrørende kortsigtseffekterne af højere produktivitet afhænger imidlertid ikke af antagelsen om perfekt arbejdskraftmobilitet. Modellen giver de samme kva - lita tive resultater, selvom arbejdskraften måtte være helt immobil på kort sigt. Det afgørende er alene, at den nominelle løn i hver af de to sektorer er»stiv«på kort sigt, så en ændret produktivitet ikke straks slår fuldt igennem på lønnen. Modellens resultater angående det mellemlange sigt hænger heller ikke på forudsætningen om perfekt arbejdskraftmobilitet. Som nævnt implicerer modellen, at højere produktivitetsvækst i én sektor vil stimulere beskæftigelsen i den anden sektor både på kort og mellemlangt sigt. Det afgørende er her, at reallønsvæksten i hver sektor kun gradvis tilpasser sig den ændrede produktivitetsudvikling. Modellens udsagn om de langsigtede effekter af ændret produktivitetsvækst afhænger dog af, at lønningerne på langt sigt udlignes på tværs af sektorer. Det er formentlig en rimelig approksimation, da arbejdskraften på langt sigt har mulighed for at flytte og omskole sig. Alt i alt vil modellens kvalitative resultater altså holde, hvis blot løndannelsen i hver sektor foregår på den beskrevne måde, og hvis lønningerne over tid udlignes mellem sektorer på et niveau, der er foreneligt med en»normal«samlet beskæftigelsesgrad. 6.2 Betydningen af indkomstelasticiteten i serviceefterspørgslen Af forenklingshensyn er forbrugernes præferencer i to-sektor modellen specificeret sådan, at indkomstelasticiteterne i efterspørgslen efter de to sektorers produkter begge er lig med 1. Hvis den relative pris på hjemmemarkedserhvervenes produktion var uændret over tid, ville indkomstelasticiteter på 1 betyde, at budgetandelene for de to sektorers produkter også ville være konstante over tid. Modellen implicerer imidlertid, at den relative pris på hjemmemarkedssektorens produktion (der primært består af service) vil være stigende, når hjemmemarkedserhvervene har en lavere produktivitetsvækst end de udlandskonkurrerende erhverv. Rent faktisk har den relative pris på service da også været stigende over tid, jf. figur 1.

168 168 NATIONALØKONOMISK TIDSSKRIFT NR. 2 0,8 0,75 0,7 0,65 0,6 0, Årets priser 2005 priser (kædede værdier) Figur 9. Hjemmemarkedserhvervenes andel af den private sektors samlede BVT. Kilde: Produktivitetskommissionens beregninger baseret på nationalregnskabsdata fra Danmarks Statistik. Når priselasticiteten i efterspørgslen efter service (aggregeret set) er numerisk mindre end 1, forudsiger modellen, at udgiften til hjemmemarkedserhvervenes produkter vil veje stadigt tungere i forbrugernes budget. Dette er konsistent med, at hjemmemar - keds erhvervenes bruttoværditilvækst har udgjort en stigende andel af den private sek - tors samlede BVT, når værditilvæksten opgøres i løbende priser, jf. figur 2 og 9. Når BVT opgøres i mængder, har hjemmemarkedserhvervenes andel af den samlede private BVT dog ifølge figur 9 været nogenlunde konstant på trods af, at den relative pris på sektorens output har været stigende. Det tyder på, at indkomstelasticiteten i efterspørgslen efter hjemmemarkedserhvervenes produkter samlet set er større end 1. Denne konklusion må dog tages med det forbehold, at den stigende relative pris på service tenderer mod at give en opadrettet skævhed i billedet af den mængdemæssige udvikling i serviceproduktionen, fordi mængderne i figur 9 er opgjort som kædede værdier. Ifølge Schettkat og Yocarini (2003) finder de fleste internationale empiriske studier imidlertid, at indkomstelasticiteten i efterspørgslen efter service faktisk overstiger 1, sådan som figur 9 antyder. Hvis man indbyggede dette forhold i vor to-sektor model, ville det blot forstærke dens forudsigelse om, at arbejdskraften på længere sigt systematisk afvandrer fra de udlandskonkurrerende erhverv og over i hjemmemarkedserhvervene. Men selvom modellen altså forenklende antager indkomstelasticiteter på 1, kan den stadig kvalita-

169 PRODUKTIVITETSUDVIKLING OG AFINDUSTRIALISERING 169 tivt forklare sektorforskydningerne i beskæftigelsen over tid, forudsat at priselasticiteten i efterspørgslen efter hjemmemarkedserhvervenes produkter er numerisk mindre end Betydningen af input-leverancer mellem sektorerne En del af de udlandskonkurrerende erhvervs produkter bliver som bekendt afsat på hjemmemarkedet. Dette gælder også i den præsenterede teoretiske to-sektormodel. Beskæftigelsen i denne sektor er altså ikke identisk med det antal jobs, der skabes via eksporten. For nogle formål kan det have interesse at undersøge, hvor stor en del af den indenlandske beskæftigelse, der er afhængig af, at de udlandskonkurrerende erhverv kan afsætte deres varer på verdensmarkedet. Den præsenterede to-sektor model er ikke velegnet til at belyse dette spørgsmål, da den ikke inkluderer input-leverancer mellem sektorerne. Ifølge Malchow-Møller, Munch og Skaksen (2011) har andelen af danske jobs, der er afhængige af eksporten, været stigende over tid på trods af, at beskæftigelsen i de udlandskonkurrerende erhverv er faldet. Fra 1980 til 2007 steg den eksportdrevne andel af den samlede beskæftigelse således fra 21 til 25 pct. Dette skøn bygger på input-output tabeller og medregner således de jobs, der skabes via indenlandske underleverancer til danske eksportvirksomheder. Vi står altså med to empiriske fakta: På den ene side har de udlandskonkurrerende erhverv oplevet en faldende beskæftigelsesandel. På den anden side trækker eksporten en stigende andel af den samlede beskæftigelse i Danmark. Forklaringen på de modsatrettede tendenser er, at eksportkvoten i de udlandskonkurrerende erhverv er steget mærkbart, og at disse erhverv i stigende grad benytter sig af underleverancer fra hjemmemarkedserhvervene. Den opstillede to-sektor model kan forklare den faldende beskæftigelse i de udlandskonkurrerende erhverv, men rummer ingen endogen forklaring på den stigende eksportkvote og de stigende underleverancer fra hjemmemarkedserhvervene til de udlandskonkurrerende erhverv. Til gengæld er der som sagt heller ingen modstrid mellem de to sidstnævnte udviklingstendenser og to-sektormodellens forudsigelser. Som nævnt implicerer modellen, at højere produktivitetsvækst i hjemmemarkedserhvervene vil bremse tendensen til fald i antallet af industriarbejdspladser. Hvis modellen blev udvidet til at tage hensyn til, at en del af servicesektorens og bygge- og anlægssektorens produktion består af inputs til industrien, ville denne konklusion blive forstærket, fordi der dermed introduceres en mere direkte kanal, hvorigennem højere produktivitet i hjemmemarkedserhvervene reducerer industriens omkostninger.

170 170 NATIONALØKONOMISK TIDSSKRIFT NR Betydningen af flere sektorer Vor to-sektor model indebærer, at en højere produktivitetsvækst i de udlandskonkurrerende erhverv på sigt vil medføre et fald i disse erhvervs andel af den samlede beskæftigelse. For nemheds skyld har vi betegnet sektoren for internationalt handlede goder som»industrien«, mens sektoren for ikke-handlede goder blev omtalt som»servicesektoren«. I praksis omfatter de udlandskonkurrerende erhverv imidlertid også brancher som landbruget og dele af servicesektoren såsom søtransport og luftfart. Med tiden kan teknologiske fremskridt som f.eks. internettets udbredelse føre til, at serviceydelser, der ikke tidligere kunne handles over grænserne, bliver gjort til genstand for international handel. Hvis de udlandskonkurrerende erhverv efterhånden kommer til at omfatte stigende dele af servicesektoren, kan det ikke udelukkes, at en relativt høj produktivitetsvækst i industrien kan gå hånd i hånd med en stigende industribeskæftigelse. Den gængse udenrigshandelsteori om komparative fordele tilsiger nemlig, at de mere produktive virksomheder og brancher i de udlandskonkurrerende erhverv vil tiltrække ressourcer fra og dermed vokse på bekostning af de mindre produktive virksomheder og brancher i sektoren for handlede goder. Det er således kun de udlandskonkurrerende erhverv som helhed, der vil opleve en faldende beskæftigelsesandel som følge af relativt høj produktivitetsvækst, men samtidigt kan højproduktive delbrancher i sektoren for handlede goder meget vel opleve en stigning i beskæftigelsen. 6.5 Nicheproduktion og ufuldkommen konkurrence Vor model forudsætter, at de udlandskonkurrerende erhverv er pristagere på verdensmarkedet. Det skal opfattes som en approksimation til en situation, hvor langt de fleste virksomheder i sektoren kun har meget begrænset spillerum for en selvstændig prisfastsættelse, givet den hårde konkurrence på verdensmarkedet. Bytteforholdet i udenrigshandelen bliver dermed eksogent givet, og en relativt svag produktivitetsudvikling i den indenlandske industri vil derfor kunne opvejes af en gunstig udvikling i bytteforholdet. Ved vurderingen af, om den indenlandske lønudvikling truer indlandets konkurrenceevne, skal der således tages hensyn både til den indenlandske produktivitetsudvikling og til den udefra givne udvikling i bytteforholdet. En alternativ»historiefortælling«i den danske debat er, at danske eksportvirksomheder i stort omfang er nicheproducenter, der gennem produktdifferentiering har skaffet sig et spillerum for selvstændig prisfastsættelse på verdensmarkedet. De enkelte eksportvirksomheder står altså overfor en faldende afsætningskurve. Når deres grænse - omkostninger stiger, vil det da være optimalt for dem at hæve deres priser. På den måde bliver det internationale bytteforhold endogent bestemt af de indenlandske omkost-

171 PRODUKTIVITETSUDVIKLING OG AFINDUSTRIALISERING Danmark Tyskland Storbritanien Sverige USA Frankrig Holland Figur 10. Eksportmarkedsandele på verdensmarkedet målt i værdi (1995 = 100). Kilde: Beregninger foretaget af Danmarks Nationalbank baseret på data fra OECD. ningsforhold, og det mest relevante mål for indlandets konkurrenceevne bliver da de indenlandske lønomkostninger pr. produceret enhed målt i forhold til enhedslønomkostningerne i udlandet. En stigning i bytteforholdet er i denne kontekst ikke et signal om øget profitabilitet i den indenlandske industriproduktion, men derimod et tegn på et indenlandsk omkostningspres, der har mindsket profitabiliteten. I praksis omfatter dansk industri givetvis både stærkt specialiserede virksomheder med en vis markedsmagt i udlandet og virksomheder, der kun har meget lidt spillerum for selvstændig prisfastsættelse. Relevansen af vor to-sektor model afhænger af, hvor meget de to typer af virksomheder fylder i det samlede billede. En indikation heraf kan fås ved at tage udgangspunkt i følgende ræsonnement: En eksportvirksomhed, der opererer under monopolistisk konkurrence og dermed står overfor en faldende afsætningskurve, vil maksimere sin profit ved at lægge sig i det punkt på kurven, hvor grænseomsætningen svarer til den marginale produktionsomkostning. Grænseomsætningen skal altså også være positiv, hvilket kræver, at virksomheden ligger i et punkt på afsætningskurven, hvor priselasticiteten er numerisk større end 1. Hvis grænseomkostningen stiger som følge af et indenlandsk lønpres, vil en profitmaksimerende eksportvirksomhed med markedsmagt øge sin salgspris.

172 172 NATIONALØKONOMISK TIDSSKRIFT NR. 2 Med en numerisk priselasticitet over 1 vil prisstigningen medføre et fald i den samlede omsætning, og virksomheden vil derved miste markedsandel i udlandet målt i løbende priser. Ifølge Danmarks Nationalbank (2012, s. 34) steg de danske lønomkostninger pr. produceret enhed med ca. 20 pct. i løbet af sidste årti i forhold til enheds - lønomkostningerne i Danmarks samhandelslande. Hvis danske eksportvirksomheder overvejende var nicheproducenter med markedsmagt, ville man ud fra ovennævnte ræsonnement have ventet at observere et fald i dansk industris eksportmarkedsandel målt i løbende priser, sammenlignet med markedsandelene for andre avancerede økonomier, som vi handler meget med. Figur 10 viser udviklingen i eksportmarkedsandele i løbende priser for Danmark og en række vigtige samhandelspartnere. Alle landene bortset fra Holland har oplevet et fald i deres eksportmarkedsandel. Det afspejler, at de nye vækstøkonomier, herunder BRIK-landene, af naturlige årsager er kommet til at fylde mere i verdenshandelen. Figuren viser dog også, at Danmarks markedsandel er faldet nogenlunde i takt med Sveriges og langsommere end markedsandelene for USA, Storbritannien og Frankrig. På baggrund af den omtalte stigning i de danske relative enhedslønomkostninger ville man have forventet en noget svagere udvikling i Danmarks eksportmarkedsandel, hvis dansk eksport overvejende består af nicheprodukter. Udviklingen i figur 10 er altså vanskelig at forklare, hvis danske eksportvirksomheder generelt har betydelig markedsmagt. Produktivitetskommissionen (2013) foreslår en alternativ forklaring, der bygger på, at de danske eksportpriser i stort omfang er bestemt på verdensmarkedet, således som antaget i dette papir: Dansk industri er tilsyneladende specialiseret indenfor brancher, hvor der på globalt plan har været relativt beherskede produktivitetsfremskridt (f.eks. forarbejdede fødevarer) sammenlignet med de hurtige teknologiske fremskridt indenfor brancher som f.eks. forbrugerelektronik og IT-udstyr. Derfor har der på verdensmarkedet været en tendens til stigning i de relative priser på danske eksportvarer. Dansk industri har derved i årene frem til finanskrisen opnået en eksogen bytteforholdsgevinst, som i stort omfang har opvejet effekten af de relativt høje danske lønstigninger, jf. dokumentationen i Produktivitetskommissionen (2013). Tolkningen af tallene i figur 10 er altså, at mens de enkelte danske eksportvirksomheder typisk oplever en meget høj priselasticitet i deres afsætning svarende til at prisen nærmest er dikteret fra verdensmarkedet så er priselasticiteten i den samlede globale efterspørgsel efter de varer, som danske virksomheder har spe - cia liseret sig i at eksportere, ikke specielt høj. Hvis priselasticiteten i den globale efter - spørgsel f.eks. er numerisk lig med 1, vil en relativ prisstigning på disse varer ikke føre til et fald i den globale omsætning målt i løbende priser. Endvidere vil en specialisering af dansk eksport indenfor områder med stigende internationalt bytteforhold gøre

173 PRODUKTIVITETSUDVIKLING OG AFINDUSTRIALISERING 173 det muligt for danske eksportvirksomheder at bevilge højere lønstigninger end de gennemsnitlige lønstigninger i vore samhandelslande, uden at de indenlandske profitter klemmes, dvs. uden at nødvendiggøre en indskrænkning af produktionen i den danske eksportindustri. En sådan tolkning forekommer at være i bedre overensstemmelse med den udvikling i Danmarks eksportmarkedsandel, der er vist i figur Disse betragtninger er dog kun tentative. Det er derfor fortsat relevant at spørge, i hvilket omfang hovedkonklusionerne fra den opstillede to-sektormodel vil overleve en alternativ antagelse om, at danske eksportvirksomheder er nicheproducenter med en vis markedsmagt. Sørensen (2013b) analyserer en én-sektor model for en lille åben økonomi, der bygger på denne antagelse, men som fastholder forudsætningen om, at reallønnen tilpasser sig trægt til ændringer i produktiviteten. I en sådan modelramme vil en stigning i den indenlandske produktivitetsvækst styrke konkurrenceevnen og øge den samlede beskæftigelse på kort og mellemlangt sigt. På langt sigt vil den højere produktivitet dog alene slå ud i en højere indenlandsk realløn, mens konkurrence - evnen og den samlede beskæftigelse vil være uændret. Disse resultateter svarer til de hovedkonklusioner, der kan uddrages af to-sektor modellen i nærværende papir. 6.6 Forventningsdannelse og sociale normer Analysen i afsnit 5.1 og 5.2 forudsatte, at permanente ændringer i produktivitetsvækstraterne g x og g z fuldt ud erkendes med blot én periodes forsinkelse. I realiteten vil der formentlig gå længere tid, før de økonomiske aktører føler sig sikre på, at en ændring i produktivitetsvæksten er permanent. En sådan langsommere erkendelsesproces kan modelleres ved at antage, at forventningerne til produktivitetsvæksten (og bytteforholdsvæksten) er adaptive. Sørensen (2013b) viser, at adaptive forventninger vil trække tilpasningsprocessen efter et produktivitetsstød i langdrag, men uden at ændre de ovenfor beskrevne kvalitative effekter af stødene. I fremstillingen ovenfor er de variable gx e, g b e og g z, e blevet tolket som forventede vækstrater i produktivitet og bytteforhold. Imidlertid styres løndannelsen formentlig ikke blot af forventninger, men også af sociale normer. Man kan således tolke modellens tilstræbte reallønsvækst (gx e+ g b e) + (1 ) g z e som en social norm for, hvad der er en»fair«reallønstigning under normale konjunkturforhold. Ball og Moffitt (2001) har vist, at inddragelse af en bagudskuende og trægt bevægelig social norm for reallønsvæksten kan bidrage væsentligt til at forklare lønudviklingen i USA. Ifølge analysen i Ball og Moffitt (op.cit.) ændrer denne sociale norm sig kun langsomt og gradvis 10. Produktivitetskommissionen (2013) dokumenterer dog også, at mens lønningerne i dansk industri nogenlunde fulgte udviklingen i den nominelle værditilvækst per arbejdstime (den nominelle timeproduktivitet) frem til og med 2007, så har den nominelle timeproduktivitet ikke kunnet følge med lønningerne fra 2008 og frem.

174 174 NATIONALØKONOMISK TIDSSKRIFT NR. 2 over tid i takt med, at en ændring i produktivitetsvæksten viser sig at være permanent. I vor modelramme vil dette have samme konsekvenser som en antagelse om, at forventningerne til produktivitetsvæksten er adaptive. 7. Opsummering Dette papir har opstillet en simpel generel ligevægtsmodel for at analysere virkningerne på konkurrenceevne, produktion og beskæftigelse af stød til produktivitetsvæksten og bytteforholdet i en lille åben økonomi. Modellen opsplittede økonomien i en sektor for udlandskonkurrerende erhverv (»industrien«) og en sektor for hjemmemarkedserhverv (»servicesektoren«). Vi antog, at den nominelle løn er»stiv«på kort sigt som følge af indgåede lønaftaler, og at reallønnen først gradvis tilpasser sig det niveau, der sikrer den ønskede»normale«beskæftigelsesgrad. De overordnede resultater af analysen kan sammenfattes således: På kort og mellemlangt sigt vil en stigning i industriens produktivitetsvækst øge beskæftigelsen i begge økonomiens sektorer. På langt sigt vil den ligeledes øge ser - vice sektorens beskæftigelse, men mindske industribeskæftigelsen. En forbedring af industriens internationale bytteforhold vil have lignende effekter. En stigning i servicesektorens produktivitetsvækst vil dæmpe beskæftigelsen i servicesektoren på både kort, mellemlangt og langt sigt. Til gengæld vil den på mellem - langt og langt sigt øge industriens beskæftigelse. På langt sigt vil stigninger i produktiviteten ikke påvirke den samlede beskæftigelse, men alene slå ud i en højere produktion og realløn. Empirisk kan man konstatere, at de udlandskonkurrerende erhverv har en højere pro duktivitetsvækst end hjemmemarkedserhvervene. På langt sigt fører dette til, at hjemmemarkedserhvervenes andel af den samlede beskæftigelse er stigende over tid, ligesom den relative pris på hjemmemarkedserhvervenes produkter vil være stigende. En sænkning af produktionsrelaterede afgifter på industrien virker i vigtige hen - seender på samme måde som en stigning i industriens produktivitet eller bytteforhold. De nøjagtige virkninger på erhvervenes beskæftigelse vil dog afhænge af, hvor - dan afgiftslettelserne finansieres. I en dansk kontekst indebærer disse resultater, at faldet i den underliggende produktivitetsvækst siden midten af 1990erne i en periode har svækket konkurrenceevnen og bidraget til, at faldet i beskæftigelsen i kølvandet på finanskrisen er blevet større, end det ellers ville have været. Da svækkelsen af produktivitetsvæksten især er indtruffet i servicesektoren, har den også bidraget til at fremskynde afvandringen af arbejdskraft fra industrien til servicesektoren.

175 PRODUKTIVITETSUDVIKLING OG AFINDUSTRIALISERING 175 Litteratur Ball, L. and R. Moffitt Productivity Growth and the Phillips Curve. National Bureau of Economic Research, NBER Working Paper 8421, August Baumol, W. J Macroeconomics of Unbalanced Growth: The Anatomy of Urban Crisis. American Economic Review, vol. 57, pp Baumol, W. J., S. A. B. Blackman and E. N. Wolff Unbalanced Growth Revisi - ted: Asymptotic Stagnancy and New Evidence. American Economic Review, vol. 75, pp Clark, C The Conditions of Economic Progress. London: MacMillan & Co. Ltd. Danmarks Nationalbank Kvartalsoversigt, 4. kvartal 2012, Del 1. De Økonomiske Råd Dansk økonomi Forår København. Fisher, A. G. B The Clash of Progress and Security. London: MacMillan & Co. Ltd. Fuchs, V. R The Service Economy. New York and London: Columbia University Press. Kraka Hvordan Fastholder Vi og Skaber Nye Danske Industriarbejdspladser? Rapport fra tænketanken Kraka, København, januar Malchow-Møller, N., J. R. Munch og J. Rose Skaksen Danmarks Kvalifikationsbalance. Gyldendal. Obstfeld, M. and K. Rogoff Founda - tions of International Macroeconomics. MIT Press. Schettkat, R. and L. Yocarini The Shift to Services: A Review of the Literature. IZA Discussion Paper No. 964, Institute for the Study of Labor, December Sørensen, P. Birch. 2013a. Produktivitet, konkurrenceevne og beskæftigelse. Arbejdspapir, Københavns Universitets Økonomiske Institut, april ( papers.htm) Sørensen, P. Birch. 2013b. Produktivitet, Kon kurrenceevne og Beskæftigelse Resultater fra to Simple Makromodeller. Arbejdspapir, Københavns Universitets Økonomiske Institut, september ( papers.htm) Sørensen, P. Birch and H. J. Whitta-Jacobsen Introducing Advanced Macroeco - nomics Growth and Business Cycles. Second Edition, McGraw-Hill. Produktivitetskommissionen Danmarks Produktivitet Hvor er Problemerne? København. (

176 Nationaløkonomisk Tidsskrift 151 (2013): Leading indicators of distress in Danish banks in the period Birgitte Vølund Buchholst Danish Central Bank, mail: Jesper Rangvid Copenhagen Business School, mail: SUMMARY: Several Danish small and medium-sized banks have become distressed during and after the global financial crisis. In this paper, a multiple logistic regression model is used to identify which factors characterize the distressed Danish banks from The factors are chosen from a broad range of variables, i.e. the model is unrestricted. The estimated model identifies the distressed banks fairly well. The va - riables that altogether best describe the probability of a bank becoming distressed are: a bank s excess capital in per cent of risk weighted assets, the 3 year average lending growth lagged 2 years, property exposure, and a benchmark for stable funding (the socalled funding-ratio). The variables are all adjusted with the sector average to ac - count for the general development during the period. Based on experiences from this and past crises the Danish FSA introduced the socalled»supervisory Diamond«as part of its banking supervision in A multiple logistic regression model is es timated with deviations from limit values set in the supervisory diamond to assess whether the variables in the supervisory diamond differ from the unrestricted model. Overall, the analyses support the establishment of bench - marks. The results of this analysis show that deviations from the benchmarks concerning property exposure and fund ing-ratio are statistically significant with expected signs. However, deviations from the benchmarks concerning lending growth, large exposures, and excess liquidity cover are statistically insignificant. 1. Introduction and related literature Internationally a number of banks and other financial institutions have become distressed during the global financial crisis. State interventions and costly bank bail-outs have been undertaken. After the crisis, new international regulation, not least in the The authors wish to thank Kim Padkjær Abildgren, Niels Lynggård Hansen, Birgitte Søgaard Holm, Jens Lundager, and two anonymous referees for useful comments. The authors alone are responsible for any remaining errors.

177 LEADING INDICATORS OF DISTRESS IN DANISH BANKS IN THE PERIOD form of stronger liquidity and capital requirements (Basel III and CRD IV), has been introduced in order to strengthen the resilience of the financial system. Focus has also been on promoting sound supervisory systems reflected in a review and update of the Basel»Core Principles for Effective Banking Supervision«, cf. Basel Committee on Banking Supervision (2012). New national regulation has been introduced in several countries and reforms of supervisory practices have been undertaken. The Danish Financial Supervisory Au - thority (FSA) introduced the so-called»supervisory Diamond«in 2010 as part of its banking supervision. The supervisory diamond consists of a number of benchmarks encompassing what must be considered as banking activity subject to enhanced risk, such as high lending growth, less stable funding conditions, etc. (the supervisory dia - mond is defined precisely in Section 5.1). These benchmarks are based on cha - ra cteristics of the banks that became distressed during the crisis characteristics also ex perienced in previous crises. Danish banks should keep to the limit values as of end The idea behind the supervisory diamond is that it should identify, and ultimately prevent, banks pursuing a more risky strategy at an early stage. In other words, it will help reduce risks in the banking system going forward. In order to identify banks at risk early on, it is necessary to understand what the key drives were for banks that became distressed during the recent crisis. The scope of this paper is to analyse what characterized the distressed banks in Denmark during the period primarily by using information from the banks' financial statements. In Denmark, the distress of a bank was in most cases revealed during an examination performed by the FSA. Although the timing of these examinations is risk-based it is dif - ficult to estimate the exact timing of a bank becoming distressed. As a consequence, the results of this model are interpreted as risk indicators of a bank becoming distressed in the nearby future rather than an exact timing of the distress event. In other words, this paper primarily identifies the leading indicators of distressed banks in the period around the global financial crisis and does not develop a model that as such predicts distress in banks. The paper is, however, related to the literature regarding early warning signals. A wide range of central banks and/or supervisory authorities have developed models to identify problem banks and refer to these in their Financial Sta - bility reports, e.g. Deutsche Bundesbank, cf. Porath (2004), European Central Bank, cf. Betz et al. (forthcoming), Norges Bank, cf. Andersen (2008), Oesterreichische Nationalbank, cf. Hayden et al. (2004), Bank of England, cf. Logan (2001) and in the USA the Office of the Comptroller of the Currency, cf. Whalen (2010) and Federal Reserve, cf. Thomson (1991), Whalen (1991) and Jagtiani et al. (2003). The models consist of both logit models and hazard rate models. In Hayden et al. (2004) both types of models are estimated and complement each other.

178 178 NATIONALØKONOMISK TIDSSKRIFT NR.2 During the period , 26 Danish banks became distressed 1 comprising 6 per cent of the total assets of Danish banks 2 by end In order to model distressed banks, a multiple logit model is estimated using lagged explanatory variables such as lending growth, amount of capital in the banks, exposure to the real estate market, etc. 3 The variables that are included in the finally chosen unrestricted model are excess capital (capital in excess of the solvency requirement of the individual bank) in per cent of risk weighted assets, the 3 year average lending growth lagged 2 years, property exposure, and the funding-ratio (a measure of the liquidity position of banks). These results, based on the present crisis, are overall in line with the experience from the previous banking crisis in Denmark during the late 1980s to early 1990s. In general the banks that became distressed during the previous crisis had a higher oc - currence of rapid lending growth prior to the crisis, a higher lending to capital ratio, lower excess capital, lower and decreasing return on capital, and a higher concentra - tion of large exposures than the non-distressed banks, cf. the Ministry of Economic Affairs (1995). One important difference between the crises in and is that the liquidity position of the banks has been a significant factor during this crisis but not during the previous crisis. This difference is due to the shift in the bank fund - ing structure round about the millennium rollover. The funding structure switched from lending and deposits being more or less balanced to a customer funding gap financed by issuing short-term bonds and borrowing from foreign credit institutes, cf. Abildgren et al. (2011). The supervisory diamond consists of a number of benchmarks encompassing what must be considered as banking activity subject to enhanced risk. This paper also examines whether the variables in the supervisory diamond differ from the unrestricted model. 4 Due to their distinct purposes differences between the two approaches should be expected. The ultimate purpose of the supervisory diamond is to prevent banks from pursuing a risky strategy, i.e. when banks know the limits of the supervisory dia - mond, they will adhere to these limits going forward. On the other hand, the purpose of the unrestricted model is to identify the characteristics of the banks that have become distressed in the period In this paper a distressed bank encompasses not only failed banks but also mergers in distress. The definition of distressed banks is described in Section Danish banks comprise the Danish Financial Supervisory Authority s groups 1, 2 and In the related literature a number of different variables are found significant when predicting banks be - coming distressed, in particular lending growth, property exposure, earnings, capital, etc., cf. Whalen (1991), Thomson (1991), Logan (2001) and Andersen (2008). Demirgüc-Kunt (1989) and Kumar et al. (2007) provide overviews of related studies. 4. Given that the model analyzing the supervisory diamond prespecifies certain variables, and thereby restricts the analysis to these variables, we call this the»restricted«model in the remaining part of the paper. Likely, the model based upon examining all potential variables is called the»unrestricted«model.

179 LEADING INDICATORS OF DISTRESS IN DANISH BANKS IN THE PERIOD Two differences are identified. First, last year s lending growth enters into the supervisory diamond whereas in the univariate regressions lending growth over one year is not statistically significant in relation to banks becoming distressed only lagged high lending growth over several years is. However, the supervisory diamond sets a limit for yearly lending growth and thus puts limits on a higher yearly lending growth persisting over several years. Second, excess capital enters into the unrestricted model. The supervisory diamond does not include a role for the capital position of banks. Two cautionary remarks regarding the results should be made. First, the supervisory diamond reflects the experiences from both the current crisis and the crisis in the early 1990s. For this reason, it is not surprising that different results are found when esti - mating an unrestricted model versus a model based on the supervisory diamond. Second, and related, it would be interesting to estimate a model including data from both crises. However, due to data limitations this is not straightforward, and is beyond the scope of this paper. Before commencing the paper itself, we note that we are not the first to study determinants of risk taking in the Danish banking sector during the years surrounding the recent financial crisis, see for instance Bechmann and Raaballe (2009, 2011), Rose (2010), and Østrup (2013). These authors primarily study corporate governance chara c - teristics as possible explanations for differences in risk taking across banks. Bechmann and Raaballe (2009, 2011) find that restrictions on voting rights as well as other shareholder restrictions contributed to higher risk taking in banks with such re stric tions, as they allowed CEOs to take on too much risk without being»stopped«by independent boards and owners. Rose (2010) and Østrup (2013) question the conclu sions of Bech - mann and Raaballe. These papers generally measure risk taking by varia bles such as lending growth, deposit deficit etc. Finally, Bechmann and Raaballe (2009, 2011) and Rose (2010) study a subsample of the Danish banking sector (listed banks). We differ from these papers by studying a larger sample of banks (and explanatory variables), focusing on bank failures themselves instead of implicit measures of risk taking (such as lending growth) and on observable»hard-core«economic and financial variables (and less on corporate governance issues), which relates our paper more directly to the international literature mentioned above. Finally, we study potential effects of the Supervisory Diamond. In addition to these papers, in the report on the financial crisis in Denmark, cf. Rangvid et al. (2013), there are general and more elaborate descrip - primarilytions of why Danish banks failed, but no formal statistical analyses. After these introductory remarks the rest of the paper proceeds as follows. In Section 2 the econometric method is discussed and described. In Section 3 the data are de - scribed followed by estimations of unrestricted logit models resulting in a final un - restricted model in Section 4. In Section 5 logit models with the benchmarks in the

180 180 NATIONALØKONOMISK TIDSSKRIFT NR.2 supervisory diamond are estimated. Section 6 concludes and offers scope for further research. 2. Econometric method In the related literature different models, especially hazard models and logit/probit models, are used as indicators of the soundness of banks, see Kumar et al. (2007) for a review of applied methods. The aim of the models is typically to identify problem banks in advance in order to be able to take action to reduce the likelihood of bankrupt - cies, i.e. early warning signals. Logit and hazard models have both strengths and weaknesses. For instance, Shum - way (2001) and Cole (2009) argue that a hazard rate model is preferred to a logit model primarily because there is no conflict with the assumption of independent observations in the hazard model. An example of a hazard rate model is in Halling (2007). However, in hazard models the time to failure is estimated. The weakness of these models, therefore, is that it is assumed that all banks will fail eventually (survival theory), cf. Cole et al. (1995). This is not assumed in logit models. On the other hand, the logistic model assumes that the observations are independent. This is a strong assumption since the data contains multiple observations from the same bank at different points in time. In this paper we follow Andersen (2008), Thomson (1991), Logan (2001), and Poghos yan et al. (2009) and use a multiple logistic regression model. The logit models are typically estimated using annual data, with the explanatory variables being lagged 1 or 2 years. As an example of such a logit model, Whalen (1991) sets up a model using year-end 1986 data and estimates the probability of failure within the succesive 0-24 months. The models estimated in this paper assume a linear relationship between the explanatory variables and the response variable. This might not capture all dimensions of the data and in several studies the variables are transformed to ensure the linear relationship, cf. Porath (2004). The linear relationship is proxied by adjusting the variables with the sector average and thus takes into account the general development in the period. In addition, 5 when using variables adjusted for sector developments, it will be easier to compare the results from such models with those from a model based on the supervisory dia mond that adjusts for limits on certain benchmark variables, cf. Section Data The explanatory variables in related literature are either market-based or derived from banks' financial statements or a combination of both. In several studies these variables are combined with macro variables. The advantage of using market-based vari- 5. The sector is defined as the banks in the Danish Financial Supervisory Authority s groups 1, 2 and 3.

181 LEADING INDICATORS OF DISTRESS IN DANISH BANKS IN THE PERIOD Table 1. Number of banks and number of distressed banks. Year-end Banks Of which number Relative Number of banks of distressed banks frequency, and the year of issuing last per cent distress announcement annual report Total ables rather than accounting figures is that the first are based on expectations to future earnings, i.e. are forward-looking, whereas the latter are backward-looking. The aim of this study is to analyse distresses in all Danish banks. However, many of these are not listed. For this reason, the explanatory variables used here are primarily from the financial statements supplemented with macro variables to account for bu si - ness cycle variations (i.e. change in GDP, property prices, interest rate and unemployment rate). It is important to notice that variables derived from the financial statements can only indicate beginning problems if the financial statements give an accurate pic ture of the health status of the institutes, as already noted in the Ministry of Economic Af - fairs (1995). The model comprises data from Danish banks included in the Danish Financial Supervisory Authority s groups 1, 2 and 3. They comprise banks with working capital (deposits, bonds issued etc., subordinated capital and equity capital) of at least ap - proximately EUR 33.5 million. Some niche banks are excluded. 6 Some of the banks are parent companies to other financial enterprises and prepare both separate and consolidated financial statements. To analyse the banking activities of the institutions the analysis is therefore based on the separate financial statements, i.e. unconsolidated data. In Table 1 the number of banks having presented financial statements for the year in question and the number of distressed banks are listed. For instance 9 banks were distressed whose last financial statement was for the year In total there are 512 observations. 6. These are: FIH Kapitalbank and Ekspres Bank have no deposits, Bank DNB Nord and SEB Bank are Norwegian and Swedish subsidiaries respectively, and they have returned their Danish banking licenses in 2012 and merged with their respective parent companies. Saxo Bank (bought E-trade Bank in 2009) and Carnegie Bank are primarily investment banks.

182 182 NATIONALØKONOMISK TIDSSKRIFT NR.2 A final remark regards the registration of distress in the data. The distress of a bank is attributed to the last financial statement reported from a distressed bank. There can be a considerable time lag from the publication of the last financial statement of a distressed bank until the date of the announcement of the distress. For instance, in Table 1 the distressed bank that returned its last financial statement for the year 2006 was announced distressed in early This is in line with the results of the models that are interpreted as risk indicators of a bank becoming distressed in the nearby future rather than an exact timing of the distress event Identification of distressed banks From 2008 until March banks in Denmark have ceased business. This number comprises 19 smaller ceased banks not included in the model, i.e. the Danish FSA s group 4 banks with a working capital of less than approximately EUR 33.5 million. Neither ceases of foreign nor niche banks are included in the analysis, cf. footnote 5; 4 such banks have ceased business during the period. One bank ceased business in 2013 and is not included in the model of the banks have been taken over by Finansiel Stabilitet A/S 9 the government-owned company in charge of the resolution of distressed banks and are identified as distressed. Of the remaining ceased banks it is assessed whether the banks had a viable business model in the short run. If not, the bank is identified as distressed. Ultimately 26 ceased banks are identified as distressed during the period, cf. Table 1 and Appendix Explanatory variables Data are from the individual banks quarterly financial statements reported to the Danish FSA. 10 Approximately 55 variables have been selected and calculated. As in related literature the explanatory variables are grouped into different CAMELS categories to ensure that all key factors initially are encompassed in the model, cf. Appendix 2. CAMELS rating system is the United States FSA s method of assessing the overall soundness of banks and stands for Capital adequacy, Asset quality, Management, Earnings, Liquidity and Sensitivity to market risk. The hypothesis is that these factors are key elements in assessing the health of a bank. However, it is not possible to directly assess management competence through a financial statement. Instead some variables assessed to indicate management competence 7. Financial statements of solvent banks are included. 8. The takeover of Sparekassen Lolland by Jyske Bank announced on the 25th of January 2013 as a private solution on market conditions is not included as a distress event in the data. 9. Finansiel Stabilitet is a public limited company owned by the Danish State through the Ministry of Bu si - ness and Growth, cf With the exception of lagged lending growth. It is calculated from statistics concerning»balance sheets and flows of the MFI sector«as from 2003.

183 LEADING INDICATORS OF DISTRESS IN DANISH BANKS IN THE PERIOD are derived from the statements, i.e. costs in per cent of earnings, cf. Appendix 2. One variable, interest rate risk, is included regarding sensitivity to market risk. In the estimations the sector average has been subtracted from the variables (lend - ing growth of bank i minus average lending growth of the sector) to take into account the general development in the period resulting in negative values for the banks below the sector average. To calculate yearly lending growth, the average equity during the year, etc., it is necessary to have financial statements from each bank for at least 5 succeeding quarters, otherwise the observation is not included. If a bank is owned by another financial corporation there is a risk of negative reputation for the parent if the subsidiary becomes distressed. This implies that the bank might have a smaller probability of distress since the parent has an incentive to inject capital into its subsidiary in case of financial distress. Relevant information con - cerning owner structure has been collected from Greens online. A dummy variable is created: if a financial company owns more than 50 per cent of a bank it is regarded as having reputational risk and the dummy equals 1 and 0 otherwise. For 9 banks in the sample the dummy equals On 3 February 2009 a bill on government capital injections into credit institutes was passed by the Folketing (Danish parliament). A dummy variable is included in the analysis equal to 1 if a bank received a capital injection from the government and 0 other wise. Furthermore four macroeconomic variables are included in the analysis, cf. the introduction of Section Descriptive statistics In Appendix 2 the distribution of the median values of the explanatory variables is given by all banks, the non-distressed banks and the distressed banks respectively. Furthermore the expected signs of the coefficient estimates are given. Note that financial statements of the distressed banks prior to the last financial statement are registered as financial statements from non-distressed banks. A priori, one would expect that the likelihood of a bank becoming distressed is lower the higher the level of capital in the bank. For this reason, Appendix 2 indicates that a negative sign is expected in the regressions. The Appendix also shows that the median of the distressed banks in general had lower levels of capital than the median of the non-distressed banks, and a higher leverage ratio. The asset quality is expected to be lower in distressed banks and is captured by different indicators, for instance different measures of lending growth, property exposure, large exposures, loan impairment charges, concentration index, etc. In general the median distressed bank has a lower asset quality than the non-distressed banks. 11. The banks are: Alm. Brand Bank, BRF Bank, Lægernes Pensions Bank, Nordea Bank Danmark, Nykredit Bank, Nørresundby Bank, Pen-Sam Bank, Saxo Privatbank and Banque Internationale à Luxembourg Danmark.

184 184 NATIONALØKONOMISK TIDSSKRIFT NR.2 Indicators of management competence such as cost in per cent of earnings, growth of deposits, the implicit margin between deposit and lending rates are expected to reduce the probability of distress. However, the statistics do not in all cases show a large difference between the distressed and non-distressed banks. There might be a risk of endogenous and/or omitted variable bias problems concerning the implicit interest margin. For instance a bank that expects to face problems might raise the interest margin. This could induce clients to switch bank which will further enhance the need for the bank to increase the margin. Ultimately, this could potentially result in actual distress. In such a case the distress could be attributed to the rise in interest margin even when it was in fact other factors that initially triggered the distress event. In the data used here, this hypothesis, however, is not supported. The distressed banks both raised and lowered their margins in the year prior to distress. As would be expected the variables measuring earnings clearly indicate lower earnings in distressed banks. Liquidity issues might arise either due to funding liquidity (the ability to make payments when needed) or market liquidity (how quickly an asset can be liquidated without significant price effects) and are closely linked. In this analysis liquidity is proxied by the funding-ratio, excess liquidity cover and customer funding gap. Fund ingratio is defined as loans relative to working capital less bond issuance with a re maining maturity less than 1 year. 12 The different measures indicate a slightly lower level of liquidity in distressed banks than in other banks. We assess that the majority of the Danish banks are subject to a fairly low level of market risk credit risk is the dominant risk. Of the different market risks the interest rate risk constitutes a major part of the banking institutes market risk. Therefore, sensitivity to market risk encompasses only one variable, the Danish FSA s key ratio»interest-rate risk«. 13 The statistics show a lower level of interest rate risk for the median of the distressed banks compared to the non-distressed banks. 4. Model A logistic regression model is estimated where the probability of distress within the coming period t for bank i is given by: exp( + j x i,t-1,j + e i,t ) P i,t = ln = + j x i,t-1,j + e i,t 1 + exp( + j x i,t-1,j + e i,t ) 1 P i,t where x is a vector of j explanatory variables measured in a previous period, is a constant, is the coefficient estimates, and e is the error term, cf. Allison (2012). Some of 12. Amount of loans and deposits is calculated excluding repo transactions. 13. The ratio is an expression of the part of the core capital (after deductions) which is lost on a parallel shift of the yield curve by 1 percentage point. P i,t

185 LEADING INDICATORS OF DISTRESS IN DANISH BANKS IN THE PERIOD the explanatory variables are highly correlated meaning that a model including all the explanatory variables could suffer from co-linearity problems resulting in un reliable coefficient estimates. In particular variables measuring capital adequacy, asset quality and earnings are highly intercorrelated. Due to the high correlation in the data, a selection process is developed to select the variables to be included in the final model. This selection process commences with a univariate regression for each explanatory variable. These regressions are performed both with the bank specific variable and the bank specific variable adjusted with the sector average. We then use different selection criteria to choose among the explanatory variables. In order to save space, we refer to Buchholst and Rangvid (2013) for a de - tailed description of these preliminary tests Results The model we end up using comprises the following variables: excess capital in per cent of risk weighted assets, the 3 year average lending growth lagged 2 years, property exposure and funding-ratio. The results from estimating this model are given in Table 2. The negative sign of the coefficient to excess capital means that the more excess capital the bank has the smaller the probability of distress. This is of course intuitive since higher excess capital ceteris paribus means greater stamina. In the same way higher lending growth, funding-ratio and property exposure entail higher probability of distress. It is important to point out, as mentioned, that the included variables are ad justed with the average of the sector. This means that the probability of distress is higher if, for instance, the property exposure for a given bank is higher than the ave - rage of the sector and vice versa. Lending growth is in general statistically significant. However, out of the different variables for lending growth the one that is statistically most significant is the 3 year average lending growth lagged 2 years. 14 This means that approximately 2 years pass before an extensive lending growth over 3 years affects the financial statement of the bank to such a degree that the probability of distress increases. In the results from our model selection procedure, cf. Buchholst and Rangvid (2013), we show that high lend - ing growth in a single year does not have a statistically significant effect on the probability of distress the following year. On the other hand, if the bank has a high lending growth that continues for several years it increases the probability of distress signi - ficantly, cf. Table 2. Other indicators of asset quality are also highly statistically significant in the uni - variate regressions, such as large exposures and loan impairment charges. Due to the 14. Data on lending goes back to 2003 meaning that the variable until 2008 contains average yearly lending growth to date lagged 2 years.

186 186 NATIONALØKONOMISK TIDSSKRIFT NR.2 Table 2. Coefficient estimates, unrestricted model. Variable Coefficient estimate Odds ratio (standard error) p-value Constant term *** (0.3028) < Excess capital, per cent of RWA ** (0.0668) year average lending growth lagged 2 years *** (0.0182) Property exposure ** (0.0142) ** (0.3260) Funding-ratio Pseudo-R AUC Note: Standard error in parenthesis. *** indicates that the variable is statistically significantly different from 0 at a 1 per cent level of significance, ** indicates that the variable is statistically significantly different from 0 at a 5 per cent level of significance and * indicates that the variable is statistically significantly different from 0 at a 10 per cent level of significance. A p-value less than 0.05 rejects the null hypothesis. Odds ratio equals OR = e ß. AUC measures the size of the Area Under the receiver operating Curve. The Receiver Operating Curve (ROC) shows the sensitivity (estimated distress re lative to actual distress) and 1 minus specificity (estimated non-distress relative to actual non-distress). The higher and more to the left the curve is located, the better fit of the model. A model that fits the data perfectly has an AUC equal to 1 and will reach the upper left corner whereas a random model will have an AUC equal to 0.5. Pseudo-R 2 equals SAS output max re-scaled R-square. highly correlated nature of these variables, they are not included in the final model. The same explanation applies for the variables measuring earnings. The different va - riables indicating management competence are statistically insignificant. It is difficult to quantify the effect of a change in the variables on the probability of distress from the coefficient estimate. Instead the odds ratio is applied. It measures the probability of distress relative to the probability of non-distress, cf. Table 2. This re - lative distress risk is simply referred to as the probability of distress in the following. The percentage change in the probability of distress by a 1 unit change in a variable is found by subtracting 1 from the odds ratio for a quantitative variable. For instance an

187 LEADING INDICATORS OF DISTRESS IN DANISH BANKS IN THE PERIOD increase of 1 percentage point in the excess capital in per cent of risk weighted assets adjusted with the sector average reduces the probability of distress by 14 per cent. Since the explanatory variables are adjusted with the sector average the probability of distress for the average bank will equal the constant term of around 3 per cent, cf. Figure The banks with the estimated highest probabilities of distress show a rising tendency of their probability of distress until 2010 which presumably is due to the high lend - ing growth which took place from 2005 till The impact of the high lending growth on the probability of distress peaks in 2010 because the average lending growth is lagged 2 years, cf. Figur 1. Average lending growth in the Danish banking system was high before the crisis. As mentioned the variables in this analysis are included as»deviation from means«, i.e. sector averages have been subtracted from the individual variables. One could be concerned that we do not capture the overall level of risk taking in the banking sector (in the form of for instance high overall lending growth) by using deviations from sec - tor averages. In order to make sure that this choice of model design does not affect the results for the average bank, a model including the sector s average 3 year lending growth lagged 2 years was also estimated. This robustness check therefore controls for overall lending growth in the economy. The result of this model was a slightly bellshaped curve for the probability of distress for the median bank, cf. Appendix 3. The coefficient estimate for this extra included variable (sector s average 3 year lending growth lagged 2 years) was statistically insignificant and the fractiles nearly the same. However, the median probability of distress is increased from slightly below 3 per cent to around 4 per cent in Finally, it should be mentioned that none of the macrovariables are significant. One reason for this could be that the timing of a distress sometimes occurs with a time lag, as mentioned and discussed in Section Model validation In the following sections the performance of the model is examined in two different ways. First, the classification accuracy of the model is analysed, i.e. how precise is the model at discriminating between the distressed and non-distressed banks. And second, how effective is the model in discriminating between distressed and non-distressed banks on out of sample data. 15. exp( ) P i,t = = exp( ) 16. Time lags are also realized because defaults sometimes occur as a result of an inspection by the FSA. For some banks, such inspections occur with intervals spanning several years.

188 188 NATIONALØKONOMISK TIDSSKRIFT NR.2 Per cent th percentile (the 10 per cent weakest) Median 10 th percentile (the 10 per cent strongest Figure 1. Estimated probability of distress, unrestricted model. Note: The probability of distress at year-end. Source: Own calculations Accuracy of the model The classification table in Table 3 shows, at a chosen threshold, how many observations the model classifies correctly. A threshold of 1.3 per cent means that banks with an estimated probability of distress higher than 1.3 per cent will be classified as distressed, cf. Table 3. At this threshold 24 actually distressed banks will be classified as distressed, but 373 observations that are non-distressed will also be classified as distressed (i.e. false alarms). The threshold is therefore set higher, at 7 per cent, which is also closer to the relative fre - quency of distressed banks compared with non-distressed banks, cf. Table 1. As can be seen from Table 3, 17 actually distressed banks will be classified as distressed and 73 observations that are non-distressed will be classified as distressed. It is also seen that 9 distressed banks had an estimated probability of distress below 7 per cent which will not be identified by the model as distressed at this threshold. Finally it is seen that there are 2 distressed banks where the estimated probability of distress is below 1 per cent. The model does not capture the distress of these banks at all. In the related literature the threshold indicates the preference of the supervisor between missing distress events versus false alarms. If a supervisory examination can detect problems early enough, regulatory actions can be taken either to prevent a bank from failing or to minimize the cost of a failure, arguing in favour of a relatively low threshold, cf. Thomson (1991). However, the aim of this analysis is to identify the fac -

189 LEADING INDICATORS OF DISTRESS IN DANISH BANKS IN THE PERIOD Table 3. Classification table. Correct classification Incorrect classification Percentages Probability level Distress Non-distress Distress Non- Correct Sensitivity Specificity Incorrectly Incorrectly (of wich no distress distress classification classified classified in later period), distresses distresses of which unique banks (351) (312) (255) (176) (125) (86) (60) 25 continues...

190 190 NATIONALØKONOMISK TIDSSKRIFT NR.2 contiuned... Correct classification Incorrect classification Percentages Probability level Distress Non-distress Distress Non- Correct Sensitivity Specificity Incorrectly Incorrectly (of wich no distress distress classification classified classified in later period), distresses distresses of which unique banks (43) (34) (20) 10 Note: Cross validated probabilities. Sensitivity equals estimated distress relative to actual distress. Specificity equals estimated non-distress relative to actual non-distress. Each cell in the fourth column consists of three figures: the first figure is the number of incorrectly classified distress observations (in the first cell: 413), the second figure shows how many of these falsely classified distress observations that are not distressed in later periods (in the first cell: 351), and finally the third figure shows how many unique banks that are falsely classified as distressed that are not distressed in a later period (in the first cell: 73).

191 LEADING INDICATORS OF DISTRESS IN DANISH BANKS IN THE PERIOD Sensitivity Specificity Figure 2. ROC curve, unrestricted model. Note: The dotted line shows the threshold level of 7 per cent. tors characterizing the distressed banks in the period and the threshold is chosen also to account for an acceptable level of false alarms. The 73 incorrectly classified distresses comprise 30 observations that became distressed in one of the following years until 2012 (13 different banks) reducing the number of incorrect classifications to 43, of which some banks appear in several pe - riods which means that ultimately 19 different banks are incorrectly classified as distressed, cf. Table 3. Classification tables can be illustrated graphically by the Receiver Operating Cha - ra cteristic curve (ROC). The curve shows the sensitivity (estimated distress relative to actual distress) and 1 minus specificity (estimated non-distress relative to actual nondistress), cf. Figure 2. The higher and more to the left the ROC curve is located, the better fit of the model. A model that fits the data perfectly has an AUC equal to 1 and will reach the upper left corner whereas a random model will have an AUC equal to 0.5. The AUC in this model is At a threshold level of 7 per cent 65 per cent of the distressed banks are classified correctly and 84 per cent of the non-distressed banks respectively Model validation: Predicted distress in 2012 The robustness of the model is examined by reestimating the model for a subset of

192 192 NATIONALØKONOMISK TIDSSKRIFT NR.2 Table 4. Cofficient estimates, model up to and including 2010 financial statements. Variable Coefficient estimate (standard error) p-value Odds ratio Constant term *** (0.3295) < Excess capital, per cent of RWA ** (0.0732) year average lending growth lagged 2 years ** (0.0193) Property exposure *** (0.0154) Funding-ratio ** (0.3588) Pseudo-R AUC Note: Standard error in parenthesis. *** indicates that the variable is statistically significantly different from 0 at a 1 per cent level of significance, ** indicates that the variable is statistically significantly different from 0 at a 5 per cent level of significance and * indicates that the variable is statistically significantly different from 0 at a 10 per cent level of signi - ficance. A p-value less than 0.05 rejects the null hypothesis. Odds ratio equals OR = e. See note to Table 2 for a definition of AUC. Pseudo-R 2 equals SAS output max re-scaled R-square. the data and testing this model on the remaining data. The model is estimated on the same data excluding the observations from year-end 2011 corresponding to 435 observations of which 23 distresses, compared to the full sample which comprised 512 observations of which 26 distresses. The variables are all statistically significant, the signs correspond to the ones found in the model estimated on the full sample and the coefficient estimates are within the confidence intervals found in the full sample estimation, cf. Table 4. The out of sample data consists of financial statements for 2011 for 77 banks of which 3 were distresses. The calculated probabilities of distress show that 11 banks have an estimated probability of distress higher than 7 per cent (10 banks in the model estimated on the full sample), however, only 1 of the 3 actual distressed banks is among them. On the other hand the model does not capture the distress of the 2 other distressed banks as was the case in the model estimated on the full sample, cf. Table 5.

193 LEADING INDICATORS OF DISTRESS IN DANISH BANKS IN THE PERIOD Table 5. Estimated probabilities of distress in Bank Full sample estimated probability Out of sample estimated probability Distressed bank Distressed bank Distressed bank The model is thus fairly robust in estimating probabilities of distress also for data not included in the model. 5. Model including Supervisory Diamond variables 5.1. Background After the financial crisis there has been an increased focus both nationally and internationally on supervisory practices. The Basel»Core Principles for Effective Bank - ing Supervision«have been updated and reviewed to take into account»significant developments in the global financial markets and regulatory landscape since October 2006, including post-crisis lessons «, cf. Basel Committee on Banking Supervision (2012). New national regulation and reforms of supervisory practices have also been introduced in several countries. In the UK, for instance, the intention of creating three new regulatory bodies was announced in June Similarly, in the context of the Euro - pean Union, a new supervisory framework is being developed as part of a broader vi - sion of a European banking union. The Danish FSA introduced the so-called»supervisory Diamond«as part of its banking supervision in The supervisory diamond consists of a number of bench marks encompassing what must be considered as banking activity subject to enhanced risk. Danish banks are required to comply with the limit values as of end The benchmarks of the supervisory diamond concern lending growth, property ex - posure, large exposures, funding-ratio, and excess liquidity cover. The limit values are as follows: Sum of large exposures (less than 125 per cent of total capital) Lending growth (less than 20 per cent per year) Commercial property exposure (less than 25 per cent of total loans) Funding-ratio (lending/working capital less bond issuance with remaining maturity less than 1 year). Limit value: less than 1 Excess liquidity cover (over 50 per cent) 17. Letter from The Danish Financial Supervisory Authority of June 25 th 2010 and letter of December 14 th 2010, cf.

194 194 NATIONALØKONOMISK TIDSSKRIFT NR.2 Table 6. Correlation matrix, deviation from limit values. Lending Large Funding- Property Excess liquidity growth exposures ratio exposure cover Lending growth 1.0 Large exposures Funding-ratio Property exposure Excess liquidity cover Note: Figures in bold represent a correlation greater than Model and explanatory variables As in the previous section a multiple logistic regression model is estimated where the probability of distress for each bank is estimated. The explanatory variables comprise a constant term as well as the values of the five benchmarks adjusted with the limit values set in the supervisory diamond. 18 The limit value for excess liquidity cover is a minimum requirement while the limits for the other benchmarks are maximum requirements. The maximum requirements are met if the variable is negative and vice versa for the excess liquidity cover. A positive sign for one of the coefficients of the maximum requirements entails ceteris paribus that the probability of distress is reduced if the limit is met and similarly for a negative estimate for the excess liquidity cover. The benchmarks are to some extent correlated, cf. Table 6. For instance property exposure is correlated with large exposures. However, the correlation is not perfect and not nearly as high as in the previous section, and a model is estimated including all five benchmarks adjusted with the limit values Results We will in this section describe the results from the model where we include the values of the benchmark variables adjusted by the limit in the Supervisory Diamond, and we will compare these results with those we found in the previous section. Before doing so, it is important to notice that even when the variables entering both models are deviations from a number, there is a fundamental difference between the two models: When we adjust a variable with a sector average, as in Section 4, this is a dynamic adjustment, as the sector average obviously differs from year to year, whereas when we 18. Due to changes in definitions and lack of data it is not possible to calculate the exact benchmarks back in time. For instance the definition of large exposures has changed and data on term to maturity on debt in - struments is not available. All debt instruments are presumed to have a term to maturity over 1 year.

195 LEADING INDICATORS OF DISTRESS IN DANISH BANKS IN THE PERIOD Table 7. Supervisory diamond, full sample, estimation process. Variable Step 1 Step 2 Step 3 Step 4 Constant term *** *** *** *** (0.3187) (0.3171) (0.3085) (0.2177) < <.0001 < < Lending growth ( ) Large exposures ( ) ( ) Funding-ratio *** *** (0.3751) (0.3725) (0.3145) (0.3224) Property exposure *** *** 0.048*** *** (0.0148) (0.0147) (0.0128) (0.0116) Excess liquidity cover ( ) ( ) ( ) Pseudo-R AUC Note: Standard error in parenthesis. *** indicates that the variable is statistically significantly different from 0 at a 1 per cent level of significance, ** indicates that the variable is statistically significantly different from 0 at a 5 per cent level of significance and * indicates that the variable is statistically significantly different from 0 at a 10 per cent level of significance. A p-value less than 0.05 rejects the null hypothesis. See note to Table 2 for a description of AUC. Pseudo-R 2 equals SAS output max re-scaled R-square. adjust the benchmark variables specified by the supervisory diamond with its limits, these limits are time-invariant, as explained in Section 5.2. Property exposure and funding-ratio are both highly statistically significant with positive signs, cf. Table 7. The larger the deviation from the limit values set in the supervisory diamond the higher probability of distress. The three other benchmarks are not statistically significant. The statistical insignificance of lending growth can reflect that effects of a, perhaps, not so strict lending policy take a few years to materialize in the financial statements. The estimated probabilities for the median bank are slightly higher than in the previous model and lower for the 10 per cent with the highest probabilities, cf. Figures 1 and 3. If a bank exactly meets the limit values in the supervisory diamond the probability of distress is given by the constant term, equal to 7.6 per cent and it would actually

196 196 NATIONALØKONOMISK TIDSSKRIFT NR.2 Per cent th percentile (the 10 per cent weakest) Median 10 th percentile (the 10 per cent strongest Figure 3. Estimated probabilities of distress, supervisory diamond. Note: Model with a constant term, property exposure and funding-ratio adjusted with limit values. Source: Own calculations. be classified as distressed. The differences between the results from the unrestricted model (Table 2 and Figure 1) and the model based on the supervisory diamond (Table 7 and Figure 3) relate to the different specifications and objectives of the models. The main difference is that in the unrestricted model analysed in Section 4 the variables were adjusted with the sector averages to take into account the general development whereas in the model in this section the adjustments are given by the limit values in the supervisory diamond and are fixed. Second, a wider range of variables are in cluded in the previous model and the specification is unrestricted whereas the model including the benchmarks from the supervisory diamond is restricted to these variables. These differences result in a lower explanatory power in this model than in the model in the previous section, measured by pseudo R-squared and AUC.Finally, it should be noted that the banks were not required to comply with the benchmarks set in the supervisory diamond before end 2012 and the purpose of these benchmarks is to ultimately prevent excessive risk taking. Thus, since Danish banks from end 2012 are required to comply with the supervisory diamond, it seems reasonable to assume that the variables eventually will become statistically insignificant. Such an outcome will, however, depend on whether the banks in the end will fulfill the limits defined in the supervisory diamond.

197 LEADING INDICATORS OF DISTRESS IN DANISH BANKS IN THE PERIOD Model validation: Classification table If the threshold for the probability level is set at 7 per cent as in the previous section the model will identify half of the distressed banks and 55 non-distresses will be identified as distressed, cf. Appendix 4. In comparison, the model in the previous section identified more distresses, however, also more false alarms. The AUC equals indicating that the model explains approximately 3 per cent less of the variation in the data than the previous model in Section Model validation: Predicted distress in 2012 Estimating the model based on the supervisory diamond excluding data for the financial statements for 2011 results in a model where the variables are statistically significant with the same signs. Using the probability level of 7 per cent 12 out of 23 distressed banks are identified and 58 incorrectly classified distresses. Using the estimates on the out of sample financial statements for 2012 the model identifies 1 of the 3 distressed banks and not the other 2 distressed banks in 2012, i.e. the same result as in the model in Section 4.3. The purpose of the supervisory diamond is to prevent excessive risk taking in banks. Some of the benchmarks can be difficult to change over a short period of time. In the models the probabilities of distress are estimated for the successive year; how - ever, this might be too short a period of time to rectify for a bank facing problems. Therefore, the model is also estimated with a longer lag, representing a case where the authorities have time to react earlier to signs of problems. If the model is estimated with the variables lagged 1 year none of the variables are statistically significant. If the model is estimated with the variables lagged 2 years only large exposures are statistically significant at the 10 per cent level of significance. In the model estimated with the variables lagged 2 years the number of observations is reduced to 420 of which 25 are distressed banks, cf. Table 8. 1 distressed bank is omitted in this model because data from the Danish FSA dates back to If the model with a lag of 1 year is estimated on the same data as the model estimated with the variables lagged 2 years, i.e. leaving out the observations for 2006 (based on 420 observations) a similar number of correctly classified distresses is obtained as in the model with 2 year lag in the variables. This means that there are some observa - tions in the data that the model cannot explain. If the model is estimated with the variables lagged 3 years the number of observa - tions is reduced to 325 of which 16 are distresses. All the variables are statistically insignificant and no distressed banks are identified at the threshold level of 7 per cent. 6. Conclusion and scope for further research This paper examines leading indicators of Danish banks becoming distressed du-

198 198 NATIONALØKONOMISK TIDSSKRIFT NR.2 Table 8. Supervisory diamand, lagged variables and final model. Correct classification Incorrect classification Lag Correctly Correctly Incorrectly Incorrectly Total Distresses, Pseudo- AUC classified classified classified classified total R 2 distresses non- non- distresses distresses distresses No lag With 1 year lag With 2 year lag With 3 year lag Note: Probability level at 7 per cent. The model with no lag equals the model in Table 7, step 4. See note to Table 2 for a description of AUC. Pseudo-R 2 equals SAS output max re-scaled R-square. Source: Own calculations. ring the period around the global financial crisis. It is the first study of this type using Danish data. The study is, at the same time, limited to a particular time horizon, the particular regulatory framework and the economic conditions during the period. Bear - ing this in mind, lower excess capital, higher lending growth, higher property exposure, and a higher funding-ratio indicate a higher probability of distress. Lending growth and property exposure relate in particular to credit risk whereas the funding-ratio relates to liquidity risk. Excess capital indicates the size of the buffer the bank has to cover losses. It takes a few years before a high lending growth affects the financial state ments in a way that results in a higher probability of distress which is also found in related literature, cf. Logan (2001). The supervisory diamond was introduced in The purpose is to help limiting risks building up in the banking sector going forward. In order to evaluate the super - visory diamond in an ex post experiment, we estimated a model where the ex planatory variables comprise a constant term as well as the values of the five bench marks adjusted with the limit values set in the supervisory diamond. The purpose of this estimation is to assess whether the variables in the supervisory diamond differ from the unrestricted model. The results of this model show that deviations from the benchmarks concerning property exposure and funding-ratio are statistically significant with expected signs. However, deviations from the benchmarks concerning lend ing growth, large exposures, and excess liquidity cover are statistically insignificant. The model describes the variation in the data to a less extent than the unrestricted model. The unrestricted model uses average lending growth through 3 years lagged 2 years and finds that it is statistically significant while the supervisory diamond uses the yearly lending growth which is not statistically significant. This means that during the

199 LEADING INDICATORS OF DISTRESS IN DANISH BANKS IN THE PERIOD period leading up to the crisis, it was rather several years of high lending growth that caused problems for the banks than high lending growth in a single year and it takes a couple of years before it results in a higher probability of distress. However, the supervisory diamond now sets a limit for yearly lending growth and will thus in the future limit higher yearly lending growth persisting over several years. Another important difference is that excess capital is comprised in the unrestricted model and not part of the supervisory diamond. Even if the restricted model does not capture distressed banks as well as the unrestricted model, we argue that the analyses presented here support the establishment of benchmarks, like the supervisory diamond, as the unrestricted model identifies several of the variables entering the supervisory diamond,. The model is estimated for one specific time horizon; the period around the global financial crisis. It would be interesting to estimate a similar model for a longer period of time encompassing more business cycles and the Danish banking crisis in the beginning of the 1990s. Another interesting expansion would be to estimate the model for different countries so as to allow for comparisons of the effects of different stages in the business cycles as well as regulatory frameworks and practices.

200 200 NATIONALØKONOMISK TIDSSKRIFT NR.2 7. Appendices 7.1. Appendix 1: Distressed banks in FSA groups 1, 2 and 3, January 2008-December By year of announcement Banks Year Distressed banks Sydbank and banktrelleborg merged in March 2008 with Sydbank as the continuing company Roskilde Bank failed in August Initially, the bank s activities were transferred to Danmarks Nationalbank and the Danish Contingency Association, but later transferred to the Financial Stability Company Vestjysk Bank and Bonusbanken merged in October 2008 with Vestjysk Bank as the continuing company Morsø Bank and Sparekassen Spar Mors merged in November 2008 with Morsø Bank as the continuing company ebh bank failed in November The bank s activities were transferred to the Financial Stability Company under Bank Rescue Package Handelsbanken and Lokalbanken i Nordsjælland merged in April 2009 with Handelsbanken as the continuing company (announced 15 September 2008) Nykredit Bank and Forstædernes Bank merged in April 2010 with Nykredit Bank as the continuing company. (announced 15 September 2008) Vestjysk Bank and Ringkjøbing Bank merged in December 2008 with Vestjysk Bank as the continuing company Løkken Sparekasse failed in March The bank s activities were transferred to the Financial Stability Company under Bank Rescue Package Gudme Raachou Bank failed in April The bank s activities were transferred to the Financial Stability Company under Bank Rescue Package Fionia Bank failed in May The bank s activities were transferred to the Financial Stability Company under Bank Rescue Package Capinordic Bank failed in February The bank s activities were transferred to the Financial Stability Company under Bank Rescue Package Sparekassen Lolland and Finansbanken merged in March 2010 with Sparekassen Lolland as the continuing company

201 LEADING INDICATORS OF DISTRESS IN DANISH BANKS IN THE PERIOD Eik Bank Danmark failed in September The bank s activities were transferred to the Financial Stability Company under Bank Rescue Package Max Bank and Skælskør Bank merged in September 2010 with Max Bank as the continuing company Morsø Sparekasse and Aktieselskabet Morsø Bank merged in November 2010 and at the same time changed their name to Fjordbank Mors Amagerbanken failed in February The bank s activities were transferred to the Financial Stability Company under Bank Rescue Package Sparekassen Midtfjord and Sparekassen Himmerland merged in February 2011 with Sparekassen Himmerland as the continuing company Fjordbank Mors failed in June The bank s activities were transferred to the Financial Stability Company under Bank Rescue Package Max Bank failed in October The bank s activities were transferred to the Financial Stability Company under Bank Rescue Package Sparekassen Limfjorden and Sparekassen Vendsyssel merged in January 2012 with Sparekassen Vendsyssel as the continuing company Sparekassen Farsø and Den Jyske Sparekasse merged in March 2012 with Den Jyske Sparekasse as the continuing company Sparekassen Østjylland failed in April The bank s activities were transferred to Sparekassen Kronjylland and the Financial Stability Company under Bank Rescue Package Aarhus Lokalbank and Vestjysk Bank merged in March 2012 with Vestjysk Bank as the continuing company Spar Salling Sparekasse failed in April The bank s activities were transferred to Den Jyske Sparekasse with compensation from the Guarantee Fund for Depositors and Investors Tønder Bank entered 2 November 2012 an agreement with Sydbank. The bank s assets and liabilities less equity and subordinated debt were transferred to Sydbank

202 202 NATIONALØKONOMISK TIDSSKRIFT NR Appendix 2: Descriptive statistics by CAMELS and supervisory diamond. Median of explanatory varables, non-adjusted Variable All banks Non- Distressed Expected distressed sign Capital adequacy Excess capital in per cent of RWA Excess capital in per cent of requirement Excess capital in per cent of loan and guarantees Tier 1 ratio Core tier 1 capital in per cent of RWA Core tier 1 ratio less requirement, per cent Leverage ratio, total assets Leverage ratio, loan and guarantees RWA in per cent of total assets Individual capital need Total capital ratio Asset quality Lending growth (including loan impairment charges), annual average Lending growth (before loan impairment charges), annual average Accumulated lending growth (including loan impairment charges) From : Accumulated lending growth (including loan impairment charges), After 2008: Accumulated lending growth 2008-(including loan impairment charges) Lending growth, latest quarter (including loan impairment charges) Lending growth, latest year (including loan impairment charges) Lending growth, latest year (excluding loan impairment charges) Average annual 3 year lending growth Average annual 3 year lending growth, lagged 1 year Average annual 3 year lending growth, lagged 2 years Average annual 3 year lending growth, lagged 3 years Property exposure Agricultural sector exposure Concentration index (Herfindahl) by sector Large exposures Large exposures in per cent of excess capital Loan impairment charge ratio, latest quarter continues...

203 LEADING INDICATORS OF DISTRESS IN DANISH BANKS IN THE PERIOD continued... Variable All banks Non- Distressed Expected distressed sign Loan impairment charge ratio, accumulated Impaired loans ratio in per cent of loans, (ILR) Management Deposit growth, 12 months Costs less loan impairment charges, per cent of income Costs including loan impairment charges, per cent of income Annual growth in total assets Size (logarithm of total assets) Implicit deposit rate Implicit lending rate Implicit deposit rate less reference rate Implicit lending rate less reference rate Implicit interest margin Earnings Return on equity after taxes, latest year Return on equity before taxes, latest year Return on equity after taxes, latest quarter Return on equity before taxes, latest quarter Return before taxes in per cent of RWA Liquidity Excess liquidity cover Funding-ratio, less repo transactions Funding-ratio, including repo transactions Deposits in per cent of lending, less repo transactions Deposits in per cent of lending Debt to credit institutes in per cent of average total assets Sensitivity to market risk Interest rate risk /- Supervisory diamond Lending growth, deviation from limit value Property exposure, deviation from limit value Large exposures, deviation from limit value Funding-ratio, deviation from limit value Excess liquidity cover, deviation from limit value Note:»+/ «in the expected sign column indicates that the expected sign of the variable is ambiguous.

204 204 NATIONALØKONOMISK TIDSSKRIFT NR Appendix 3 Per cent th percentile (the 10 per cent weakest) Median 10 th percentile (the 10 per cent strongest Figure 4. Estimated probability of distress, unrestricted model including sector s average 3 year lending growth lagged 2 years. Note: The probability of distress at year-end Appendix 4 Classification table, supervisory diamond. Correct Incorrect Percentages classification classification Probability Distress Non- Distress Non- Correct Sensitivity Specificity Incorrect Incorrect level distress distress classifi- classifi- classification cation cation Note: Cross-validated probabilities. Sensitivity equals estimated distress relative to actual distress. Specificity equals estimated non-distress relative to actual non-distress.

205 LEADING INDICATORS OF DISTRESS IN DANISH BANKS IN THE PERIOD Literature Abildgren, K. and J. Thomsen A Tale of Two Danish Banking Crises, Danmarks Nationalbank, Monetary Review, 1st Quarter, Part 1. Abildgren, K., B. Vølund Buchholst and J. Staghøj Bank-firm relationships and the survival of non-financial firms dur - ing the financial crisis , ECB Working Paper Series, no Allison, P. D Logistic Regression Using SAS : Theory and Application, Second Edition, SAS Institute. Andersen, H Failure Prediction of Nor - wegian banks: A logit approach, Norges Bank Working Paper, Basel Committee on Banking Supervision. Core Principles for Banking Supervision. Bank for International Settlements, September Bechmann, K. L. and J. Raaballe Manglende bremseklodser i danske banker, Finans/Invest, 8/09, s Bechmann, K. L. and J. Raaballe Bad Corporate Governance: When Incentive- Based Compensation Identifies Dangerous CEOs, Management Working Paper , Aarhus University. Betz, F., S. Opricã, T. A. Peltonen, and P. Sarlin, Predicting Bank Distress and Identifying Interdependencies amongst Euro - pean Banks, ECB Working Paper Series, forthcoming. Buchholst, B. Vølund and J. Rangvid Leading indicators of distress in Danish banks in the period , Danmarks Nationalbank Working Paper, no. 85. Cole, R. A Predicting bank failures using a simple dynamic hazard model, Departments of Real Estate and Finance, DePaul University, Draft April Cole, R. A. and J. W. Gunther Separa - ting the likelihood and timing of bank fai - lure, Journal of Banking and Finance, vol. 19, issue 6, pp Danmarks Nationalbank Financial Stability report. Demirgüc-Kunt, A Deposit-Institu tion Failures: A Review of Empirical Litera - ture, Federal Reserve Bank of Cleveland Economic Perspectives, Q4. Dyrberg, A Firms in financial distress: An exploratory analysis, Danmarks Nationalbank Working Paper, no. 17. ECB Predicting bank distress and identifying interdependencies among Euro - pean banks, Financial Stability Review, pp Estrella, A., S. Park and S. Peristiani Capital Ratios as Predictors of Bank Fai - lure, FRBNY Economic Policy, July. Greene, W. H Econometric analysis, Fifth edition, Pearson Education Inc. Halling, M. and E. Hayden Bank Fai - lure Prediction: a two-step survival time approach, IFC Bulletin, no. 28. Hayden, E. and J. Bauer New Ap - proaches to Banking Analysis in Austria, Oesterreichische Nationalbank, Financial Stability Report, no. 7. Hvelplund, A Evaluating bank capital regulations: What can economic theory and the recent financial crisis teach us?, Master thesis, Københavns universitet. Jagtiani, J., J. Kolari, C. Lemieux and H. Sin Early warning models for bank supervision: Simpler could be better, Federal Reserve Bank of Chicago Economic Perspectives, vol. 3, pp Kumar, R. P. and V. Ravi Bankruptcy prediction in banks and firms via statistical and intelligent techniques A review, European Journal of Operational Research, no. 180, Logan, A The United Kingdom s small banks crisis of the early 1990s: what were the leading indicators of failure?, Bank of England Working Paper, no Lykke, M., K. Juhl Pedersen and H. Mølgaard Vinther A failure-rate model for the Danish corporate sector, Danmarks Nationalbank Working Paper, no. 16. Poghosyan, T. and M. Čihák Distress in European Banks: An Analysis Based on a New Data Set, IMF Working Paper, no. 9. Porath, D Estimating probabilities of default for German savings banks and credit cooperatives, Deutsche Bundesbank Discussion Papers, no. 06. Rangvid, J., A. Grosen, F. Østrup, P. Møgelvang-Hansen, H. Frey Jensen, J. Thomsen, P. Schütze, J. Galbo, C. Ølgaard, N. Kleis

206 206 NATIONALØKONOMISK TIDSSKRIFT NR.2 Frederiksen, B. Buchhave Poulsen Den finansielle krise i Danmark: Årsager, konsekvenser og læring. Erhvervs- og Vækstministeriet. Rose, C Kritikken af pengeinstitutternes ejer og stemmelofter hviler på et alt for spinkelt grundlag, Finans/Invest, no. 3, p Shumway, T Forecasting Bankruptcy More Accurately: A Simple Hazard Model, The Journal of Business, vol. 74, no. 1, pp The Ministry of Economic Affairs Redning af pengeinstitutter siden 1984 (The rescue of Danish banks since 1984 in Danish only). Schultz. Thomson, J. B Predicting Bank Fai - lures in the 1980s, Federal Reserve Bank of Cleveland Economic Policy Review, vol. 27, pp Whalen, G. W A Proportional Hazards Model of Bank Failure: An examination of its usefulness as an early warning tool, Reserve Bank of Cleveland Economic Perspectives, quarter 1, vol. 27, no. 1. Whalen, G. W Are early warning models still useful for bank supervisors?, Of - fice of the Comptroller of the Currency Economics Working Paper, no. 3. Østrup, F Konsekvenser af ejerstrukturen i danske pengeinstitutter, Erhvervsjuridisk Tidsskrift, No. 3, pp

207 Nationaløkonomisk Tidsskrift 151 (2013): Banks loan rejection rates and the creditworthiness of the banks corporate customers Kim Abildgren Danmarks Nationalbank, mail: Peter Askjær Drejer Danmarks Nationalbank, mail: Andreas Kuchler Danmarks Nationalbank, mail: SUMMARY: We offer micro-econometric evidence on the relationship between the banks loan rejection rates and the creditworthiness of the banks small and mediumsized corporate customers in 2007 and based on a unique Danish firmand bank-level dataset. We find lower acceptance rates for applications for bank loans from firms with weak economic performance than for firms with strong economic performance. This was the case both prior to but especially during the financial crisis in , where firms with higher profit ratios, solvency ratios and liquidity ratios had a significantly higher probability of having their loan application accepted than firms with poor economic performance. Firms that did not apply for debt financing in due to fear of rejection or high interest rates had weaker economic performance measured by solvency ratio, profit ratio, short-term debt ratio and liquidity than firms which applied for debt finance. 1. Introduction In the wake of the international financial crisis since 2008, the real effects of bank - ing crises have once again been among the top issues on the research agenda. One of the topical issues is the access to credit for Small and Medium-sized Enterprises (SMEs). It has been discussed if the recent financial crisis caused a»credit crunch«the authors wish to thank the editor of this journal, two anonymous referees, Bénédicte Planès (BPIFrance) and colleagues from Danmarks Nationalbank for useful comments on preliminary versions of this paper. We gratefully acknowledge comments by seminar participants at the 2013 DGPE course on»financial Stability and Financial Crises«at the University of Southern Denmark, the th Competitiveness Research

208 208 NATIONALØKONOMISK TIDSSKRIFT NR.2 and especially whether SMEs were subject to a»credit squeeze«due to a dysfunctional banking sector during the crisis. A»credit squeeze«is usually defined as a situation in which the supply of credit is reduced considerably more than the weak economic development would normally warrant, making it difficult for creditworthy borrowers to obtain sufficient financing, cf. Stiglitz and Weiss (1981) and Bernanke and Gertler (1989). It has been a common finding in surveys on SMEs self-reported access to bank credit that the rejection rates for loan applications were markedly higher during the financial crisis than prior to the crisis. This might reflect that the financial crisis implied an extraordinarily large shock to the banks lending capacity, for instance a reduction in the banks capital base due to large loan impairment charges or difficulties in financing a large customer funding gap. Such a shock could be followed by a period of tight credit standards and reduced loan supply in order to maintain or re-establish a sufficient capital ratio or an adequate funding position. However, it could also merely reflect that the crisis reduced the repayment capability of the corporate clients due to greater uncertainty about the future economic outlook, which made it necessary for prudent banks to tighten their credit standards. In the paper at hand we offer micro-econometric evidence on the relationship be - tween loan acceptance rates and the creditworthiness of the banks corporate customers based on a unique dataset which combine»soft«firm-level survey data on SMEs self-reported access to credit with»hard«firm-level accounting data, firm-level informa tion on bank-firm relationships and bank-level information. The survey data set contains information collected in 2010 on around 2,000 Danish SMEs access to credit in 2007 and We find lower acceptance rates for applications for bank loans from firms with weak economic performance than for firms with strong economic performance. This was the case both prior to but especially during the financial crisis , where firms with higher profit ratios, solvency ratios and liquidity ratios had a significantly higher probability of having their loan application accepted than firms with poor economic performance. The banks tightened their credit standards during the financial crisis. However, banks with low capital adequacy ratios during the crisis did not have lower loan acceptance rates than banks with high capital adequacy ratios. This might indicate that it has not been the banks own capitalisation, which has been the decisive factor for the decline in the banks loan acceptance rates during the financial crisis but rather Network Workshop at the European Central Bank, the 2013 FRIC seminar at Copenhagen Business School, the 2013 FRU seminar at the University of Copenhagen, and the 2013 Banque de France Conference on»firms behaviour in the crisis: what do micro data tell us?«. Views and conclusions expressed in this paper are those of the authors and do not necessarily represent those of Danmarks Nationalbank. The authors alone are responsible for any remaining errors.

209 LOAN REJECTION RATES AND CREDITWORTHINESS OF CORPORATE CUSTOMERS 209 the deterioration of the credit quality of the banks corporate customers, which made it necessary for prudent banks to tighten their credit standards. Firms that did not apply for debt financing in due to fear of rejection or high interest rates had weaker economic performance measured by solvency ratio, profit ratio, short-term debt ratio and liquidity than firms which applied for debt finance. 2. A brief review of related literature The paper relates most closely to the strand of the micro-econometric literature that analyses credit rationing using survey data on SMEs self-reported access to credit. Recent papers within this line of research include Canton et al. (2012), Artola and Genre (2011), Ferrando and Griesshaber (2011), Lawless and McCann (2012), Ferrando and Mulier (2013), Rottmann and Wollmershäuser (2013) and Gaiotti (2013). Since the identities of the firms in surveys on SMEs access to credit usually are confidential, few of these studies goes beyond the firm-level information contained directly in the surveys. One notable exception is Ferrando and Mulier, op. cit., that analyse around 11,000 firm-level responses to the ECB/European Commission euro area SME survey on access to finance in Via a statistical matching procedure Ferrando and Mulier, op. cit., estimates firm-level balance sheet data from firms with similar characteristics. This analysis indicates that firms which are less profitable are more likely to suffer from financial constraints. However, the use of estimated balance sheet data introduces an element of uncertainty in the analysis. The paper at hand adds to this strand of the literature in several ways. First, since our main data provider (Statistics Denmark) knows the identities of the firms in a recent survey on SMEs access to finance, we are able to analyse a unique firm- and bank-level data set that combines five different micro data sets at a firm and bank level. This allows us to combine»soft«firm-level survey data with»hard«firm-level accounting data and bank-level information without relying on statistical matching procedures. Second, we pay a special attention to the creditworthiness of those firms that decide not to apply for debt financing due to fear of rejection or high interest rates. The creditworthiness of such firms have not previously been analysed in the literature, probably due to lack of data. Third, our econometric approach takes into account selec tion effects which to the best of our knowledge have not been taken into account in previous econometric analysis of survey data on SMEs self-reported access to credit. 3. Data sources and sample selection The core of our data set consists of 2,265 firm-level responses to a survey conducted by Statistics Denmark concerning Danish SMEs access to finance in 2007 and (April 2009 March 2010), cf. Statistics Denmark (2010). The firms all had be-

210 210 NATIONALØKONOMISK TIDSSKRIFT NR.2 Tabel 1. Definition of key financial ratios etc. Solvency ratio Profit ratio Short-term debt ratio Liquidity ratio (narrow) Liquidity ratio (broad) Implied interest costs on gross debt Number of employees Export share Capital and reserves as a ratio of total liabilities end of year. Result before financial items as a ratio of turnover. Short-term debt as a ratio of total liabilities end of year. Cash and deposits etc. as a ratio of total assets end of year. Securities, other equity, cash and deposits etc. as a ratio of total assets end of year. Interest costs etc. relative to total gross debt end of year. Number of full-time employees Export turnover in per cent of total turnover. tween 5 and 249 employees in 2005 (and at least 5 employees in 2009) and were located within manufacturing, building and construction, trade and transport etc., information and communication or other industries. The information regarding 2007 and was collected in the same questionnaire forwarded to the firms in One should therefore properly treat the information regarding 2007 with some caution and in general one has to keep in mind that survey responses are always subjective. Statistics Denmark who conducted the survey knows the identity of each partici - pating firm. We were therefore able to let Statistics Denmark enrich the survey data with data from a range of other data sets. For the majority of the firms participating in the survey around 2,000 firms we were able to obtain summary firm-level accounting data (including turnover, result before financial items, capital and reserves, total assets/liabilities and employment) from Statistics Denmark s Accounts statistics. This information has been derived from the firms reporting to the Danish tax authorities. For around 1,000 firms we were furthermore able to get information regarding short-term debt, total debt, gross interest costs and liquid assets from Statistics Denmark s Accounts statistics. The key financial ratios etc. used in the paper are defined in Table 1. In addition, we were able to obtain information on export share for around 1,000 firms based on Statistics Denmark s Enterprise statistics. For around per cent of the firms in the data set that applied for bank loans we obtained information on the identity of the firms main bank relationship. A private data vendor (EXPERIAN A/S) provided this information, which only relates to firms organised as public or private limited liability companies. We thus have no bankre lationship information for sole proprietorships. Finally, we collected a range of bank-level key performance indicators for all the firms main bank relationships. This information has been published on the website of the Danish FSA.

211 LOAN REJECTION RATES AND CREDITWORTHINESS OF CORPORATE CUSTOMERS 211 0,30 0,25 0,20 0,15 0,10 0,05 0, / / / / /10 Application for bank loan granted full Application for bank loan partially met Application for bank loan not met Applied for other debt financing than bank loans Not applied for debt financing Figure 1. Firms applications for bank loans in 2007 and median of solvency ratio year before application. Source: Own calculations on the basis of the data listed in section Descriptive statistics and exploratory data analysis As a starting point, we offer a descriptive statistical overview of the data set. For each of the two data points (2007 and ) we divide the companies into five main groups: Companies whose application for a bank loan has been granted full. Companies whose application for bank loan has been partially met. Companies whose application for bank loan has not been met. Companies which have applied for other debt financing than bank loans. Companies which have not applied for debt financing. The majority of the firms did not apply for any debt financing, neither in 2007 nor in It can also be noted that around 10 per cent of the companies experienced a total or partial refusal of their application for a bank loan in compared to only 2 per cent in Of the companies which applied for a bank loan in 2007, 90 per cent got their application fully approved. In , the corresponding fi gure was only 54 per cent. Figure 1 illustrates the relationship between the outcome of a firm s applications for a bank loan in 2007 and and the firm s solvency ratio in the year preceding

212 212 NATIONALØKONOMISK TIDSSKRIFT NR ,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0,0 < > 0.3 Solvency ratio Application for bank loan granted full Application for bank loan not met Application for bank loan partially met 2009/10 1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0,0 < > 0.3 Solvency ratio Application for bank loan granted full Application for bank loan not met Application for bank loan partially met Figure 2. Outcome of firms applications for bank loans distributed by the solvency ratio of the firms. Source: Own calculations on the basis of the data listed in section 3.

213 LOAN REJECTION RATES AND CREDITWORTHINESS OF CORPORATE CUSTOMERS 213 the loan application. As shown, the median of the solvency ratio in 2008 was significantly lower in the groups of firms, which got their application for bank loans in totally or partly rejected, than in the group of companies which got their application for bank loans fully accepted. It was also lower than in the groups of companies, that either did not seek debt financing or companies seeking other types of debt financ ing than bank loans. The same picture emerges regarding applications for bank loans in 2007 and for applications for bank overdrafts in 2007 and The fact that the solvency ratio for the median company in all groups of enterprises in was higher than in 2007 should be seen in light of the general tendency towards consolidation in the business sector during the crisis. Figure 2 shows the outcome of firms application for bank loans distributed by the solvency ratio of the firms. Both in and in 2007, the most solid companies had higher acceptance ratios than firms with low solidity. The refusal rates were significantly higher in than in 2007, which indicate that banks tightened their credit standards during the financial crisis. This is also consistent with a recent analysis of changes in Danish banks credit standards during the financial crisis, cf. Abildgren and Kuchler (2013). The tightening of the bank s credit standards during the crisis might in principle be attributed to factors on the credit-supply side (e.g. decline in the banks lending capacity due to lack of capital or funding) and/or factors on the credit-demand side (e.g. greater perceived uncertainty about the future economic outlook for the corporate sector brought about by the financial crisis). The above analysis indicates that there has been a correlation between the firms solvency ratio and the outcome of the banks processing of loan applications during the financial crisis as well as before the financial crisis. A similar impression is ob - tained by considering companies profit ratios. Companies with high profit ratios clearly experienced lower rejection rates on their applications for bank loans than firms with low profit ratios, cf. figure 3. We also found that the groups of companies which got their applications for bank loans in totally or partly rejected were charac terized by a higher median short-term debt ratio, a lower median degree of liquidity and higher implied interest costs on gross debt than the other groups of firms. This also suggests that companies, whose application for a bank loan was rejected, loanwere characterized by a lower credit score than other firms. There does not seem to be any systematic relationship between firm size and out - come of a loan application to a bank, cf. Figure 4 which shows the outcome of firms application for bank loans distributed by the number of employees at the firm. How - ever, it is worth noting that micro firms with fewer than 15 employees had the highest acceptance rates during the financial crisis in Although one has to keep in mind that survey responses are always subjective and subject to some uncertainty,

214 214 NATIONALØKONOMISK TIDSSKRIFT NR.2 0,07 0,06 0,05 0,04 0,03 0,02 0, / / / / /10 Application for bank loan granted full Application for bank loan partially met Application for bank loan not met Applied for other debt financing than bank loars Not applied for debt financing Figure 3. Firms applications for bank loans in 2007 and median of profit ratio year before application. Source: Own calculations on the basis of the data listed in section 3. there are at least no indications that very small firms should have been subjected to particularly high rejection rates for bank-loan applications during the financial crisis. This might reflect the fact that a relatively larger share of the assets of firms with 5-14 employees are in buildings and plots that are easy to pledge as collateral. Moreover, the small firms applying for bank loans have higher profit ratios than larger firms applying for bank loans. Generally, SMEs are highly oriented towards the domestic market, and around 70 per cent of the firms in our analysis have an export share below 1 per cent. There does not seem to be any systematic relationship between export share and outcome of a loan application to a bank. This seems to be true for loan applications both in 2007 as well as in For about per cent of the companies, which have applied for bank loans, we have information about the company s principal banker, cf. Figure 5. There are no indications that the rejection rate for loan applications has been significantly higher for banks in the FSA group 2-4 (i.e. medium-sized and small banks) than for banks in the FSA group 1 (i.e. large banks), although banks in group 2-4 have generally had substantially larger loan impairment charge ratios than banks in group 1. In 2007 prior to the financial crisis the customer funding gaps of banks in FSA group 1 and of banks in FSA group 2-4 were roughly of the same size, in both cases around per

215 LOAN REJECTION RATES AND CREDITWORTHINESS OF CORPORATE CUSTOMERS ,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0, ,-25 25, >100 Number of employees Application for bank loan granted full Application for bank loan not met Application for bank loan partially met 2009/10 1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0, , >100 Number of employees Application for bank loan granted full Application for bank loan not met Application for bank loan partially met Figure 4. Outcome of firms applications for bank loans distributed by the number of employees at the firm. Source: Own calculations on the basis of the data listed in section 3.

216 216 NATIONALØKONOMISK TIDSSKRIFT NR ,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0,0 Group 1 Group 2-4 Unknown group Number of employees Application for bank loan granted full Application for bank loan not met Application for bank loan partially met 2009/10 1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0,0 Group 1 Group 2-4 Unknown group Number of employees Application for bank loan granted full Application for bank loan not met Application for bank loan partially met Figure 5. Outcome of firms applications for bank loans distrbuted by the firms bank relationship. Source: Own calculations on the basis of the data listed in section 3.

217 LOAN REJECTION RATES AND CREDITWORTHINESS OF CORPORATE CUSTOMERS 217 0,30 0,25 0,20 0,15 0,10 0,05 0,00 Application for bank loan granted full Application for bank loan partially met Application for bank loan not met Applied for other debt financing than bank loan Not applied for debt financing due to fear of rejection high costs Figure 6. Firms applications for debt financing in median of solvency ratio year before application. Source: Own calculations on the basis of the data listed in section 3. cent of total lending. In contrast, the loan impairment charge ratio for banks in group 1 was 1.5 per cent of loans and guarantees in 2009, whereas the corresponding ratio for banks in group 2 and 3 was respectively 5.6 and 4.2. This indicates that it has not been the banks own capitalisation, which has been the decisive factor for the decline in the banks loan acceptance rates during the financial crisis but rather the deterioration of the credit quality of the banks corporate customers. This might reflect the comprehensive government interventions to safeguard financial stability during the crises, which included the opportunity for banks to receive government capital injections. Finally, our data set contains information that can illustrate the problem of self-selec - tion. We have information which enables us to split the group of companies which have not applied for debt financing into two sub-groups: Companies which have not applied for debt financing because they expected that they would have their application for debt finance rejected or that debt financing would be too expensive. Other companies which have not applied for debt financing. As can be seen from Figure 6, firms which have not applied for debt financing due to fear of rejection or high interest rates had weaker economic performance measured

218 218 NATIONALØKONOMISK TIDSSKRIFT NR.2 by solvency ratio than firms which had applied for debt finance, and we found the same result regarding profit ratio, short-term debt ratio and liquidity. 5. Econometric analysis of the effect of firms creditworthiness on the probability of loan acceptance Inspired by the descriptive analysis in section 4 we now turn to an econometric analysis of the impact of firm and bank characteristics on the probability of having an application for a bank loan accepted. A conventional approach to study market outcomes is to estimate demand and supply curves in a simultanous equations framework. Though the purpose of this paper is not the estimation of demand and supply equations, we are inspired by such a framework in the choice of variables. The modelling framework can be thought of as related to banks credit scoring models; although the variation across banks in addition allows us to extend the analysis to take into account bank specific effects. The models focus on estimation of the probability of having a bank loan application accepted as a function of firm characteristics, which represent the creditworthiness of the firm, as well as bank characteristics intended to capture the variation in credit supply across banks. We start by estimating a simple baseline model of the probability of loan acceptance using data on solvency and profit ratio, which are available for most firms in the sample. The model is estimated separately for the years 2007 and 2009/2010, to allow for different effects of the explanatory variables in the two pe - riods. Subsequently, the model is extended to include additional firm-specific vari - a bles which are only available for roughly half of the firms in the sample. Firms which do apply for bank loans are not a random sample of all firms. In fact, the descriptive analysis showed that the application decision is related to some of the explanatory variables of interest. Therefore, our main results are based on a model taking into ac - count sample selection. As an extension of the model, we include key performance indicators of the firm s principal bank connection to test whether loan rejection rates before and during the crisis can be explained mostly by firm or bank characteristics. For the basic model, we use a standard probit specification. The probit model is often formulated in terms of a latent variable model, which is also useful here to facili - tate the description of the selection model used later. Assume that the underlying model has the following form: y* 1 = x + u 1 (1) where y * 1 can be thought of as the creditworthiness of the firm in the eyes of the bank, x is a vector of explanatory firm-specific variables and u 1 is an error term which is in-

219 LOAN REJECTION RATES AND CREDITWORTHINESS OF CORPORATE CUSTOMERS 219 dependent of x and which follows a normal distribution. However, we cannot observe y* 1, all we observe is whether the loan application is accepted or not, that is: y * 1 = 1 [ y * 1 > 0 ] (2) where 1[ ] is an indicator function taking a value of 1 if the expression in the square brackets is true and 0 otherwise. This implies a scaling of y * 1 so that values of credit - worthiness higher than 0 lead to acceptance of the loan application and values below 0 lead to rejection. The distribution of y* 1 conditional on x is therefore: P(y 1 = 1 x) = P(x + u 1 > 0 x) = (x ) (3) where is the standard normal cumulative distribution function. This expression is used to generate the likelihood function in order for the probit model to be estimated by maximum likelihood. Results from estimation of the baseline models are shown in Table 2. Decisions regarding loan applications in 2007 seem to be largely unrelated to the firm characteristics included in the models. During the strong credit growth prior to the financial crisis, around 90 per cent of the firms which applied for a bank loan got their application fully approved. However, in , the acceptance rate is substantially lower, namely 54 per cent, and the outcome of a loan application is significantly related to the profitability of the firm. A firm which has a profit ratio corresponding to the 75 th percentile has a 6 percentage points higher probability of having its loan application accepted than a firm with a profit ratio corresponding to the 25 th percentile, all other variables held constant. Only those firms, which applied for bank credit, are included in the models in Table 2. From the descriptive analysis in section 4, it is clear that there is an issue of selfselection. Firms which do not apply for a bank loan may have a number of reasons why they do not do so. Some firms do not need to take out any loans during the given year, for example because they finance their activities by retained earnings. Other firms evidently applied for debt financing other than bank loans, while some firms did not apply for debt financing at all, because they expected that their application would be rejected or that debt financing would be too expensive. Hence, there is heterogeneity in the group of firms which do not apply for debt financing; and the firms which do apply differs from the group of firms which do not apply. Furthermore, the selection effect need not be the same in the two time periods, so that characteristics of firms which apply for a bank loan in the two periods may differ. An additional self-selection issue arises because of the fact that a seemingly weak firm (by the measures used in the analysis) which do apply for a bank loan may in fact

220 220 NATIONALØKONOMISK TIDSSKRIFT NR.2 Table 2. Estimated probit models of acceptance of bank loan application Coef. M.E. Coef. M.E. Coef. M.E. Coef. M.E. Solvency ratio * * Profit ratio ** ** Implied interest costs Liquidity ratio (broad) Short-term debt ratio Constant *** ** Observations Note: Coef. = Coefficient estimate; M.E. = Marginal Effect of a unit change in the explanatory variable on the probability of having the application for a bank loan accepted. Marginal effects are evaluated at the mean of the values of the explanatory variables. Only firms applying for bank loans are included. The null hypothesis on testing (double-sided) for significance of parameter estimates is that the parameter is equal to zero. *. ** and *** indicates rejection of the null hypothesis at a significance level of respectively 10, 5 and 1 per cent. Source: Own calculations on the basis of the data listed in section 3. be less weak than a firm with similar observed characteristics which do not apply for a bank loan the difference may just not be captured by the explanatory variables. Because of the presence of self-selection, we estimate a bivariate probit model with sample selection. To be more specific, the basic model of interest is represented by equations 1-3. However, it is clear that y 1 is only observed when a firm has applied for a bank loan. Let y 2 be a dichotomous variable taking the value 1 when a firm in the given year has applied for a bank loan and 0 otherwise. We then have that y 1 is observed if and only if y 2 = 1. We model this selection process by a probit model as well: y 2 = 1[ z + u 2 > 0] (4) where z is a vector of firm-specific variables which determine selection and u 2 is a normally distributed error term. The selection issue means that u 1 and u 2 may be correlated, i.e. corr (u 1, u 2 ) = p. Van de Ven and Van Pragg (1981) derive the likelihood function under these assumptions. Proper identification of the model requires at least one exclusion restriction, that is, at least one explanatory variable which is included in z (the selection equation) but not in x (the outcome equation). 1 As we found in section 4 that the size of the firm was 1. If no exclusion restrictions are used (that is, if x = z), identification of the model is possible through the functional form. However, in such cases, collinearity between the selection equation and the outcome equation means that estimates have no structural interpretation. 2. This relation is likely to be less apparent if firms successfully apply for debt financing from other sources. If successful in attracting other types of financing, firms may be less interested in bank financing. In the empirical models that follow, we find a significant positive relation between applications for loans from other sources than banks and bank loan applications.

221 LOAN REJECTION RATES AND CREDITWORTHINESS OF CORPORATE CUSTOMERS 221 Table 3. Results: Bivariate probit models with sample selection Coef. M.E. Coef. M.E. Coef. M.E. Coef. M.E. Probability of acceptance of bank loan application Solvency ratio * ** * Profit ratio ** ** Implied interest costs Liquidity ratio (broad) ** Short-term debt ratio Constant ***1.253 ***0.614 ** Selection equation Solvency ratio *** *** ** *** Profit ratio * * Implied interest costs * Liquidity ratio (broad) *** *** Short-term debt ratio * ** LN(No. of employees) LN(Total assets) **0.081 ** Applied for loan (other source) ***1.155 ***1.083 ***1.058 ***0.865 Constant *** *** ** ρ *** ** Observations 1,917 1, ,035 Note: Coef. = Coefficient estimate; M.E. = Marginal Effect of a unit change in the explanatory variable on the probability of having the application for a bank loan accepted. Marginal effects are evaluated at the mean of the values of the explanatory variables. The selection equation models the probability that a company applied for a bank loan. ρ is not directly estimated in the ML-estimatiion; the significance test reported is a test for atanh(ρ) = 0. The null hypothesis on testing (double-sided) for significance of parameter estimates is that the parameter is equal to zero. *. ** and *** in - dicates rejection of the null hypothesis at a significance level of respectively 10, 5 and 1 per cent. Source: Own calculations on the basis of the data listed in section 3. largely unrelated to the outcome of a credit application, we include two measures of firm size in the selection equation, namely the logarithm of number of employees and the logarithm of total assets. We also include a variable indicating if the firm has applied for debt financing from other sources than a bank (i.e. from the firm s owner / manager, employees of the firm, family / friends, other non-financial firms, mortgage banks or other sources). If a firm has applied for debt financing from other sources than a bank, it may be more likely to also apply for a bank loan, since it is in need of external fi nan - c ing. Hence, we hypothesise that there is a relation between the extent to which a firm applies for debt financing from other sources than banks, and whether the firm applies for debt financing from a bank. However, the number of sources from which the firm applies for credit should not be related to the bank s decision to accept or reject the loan application. The bank s decision should in principle be based on the creditwort -

222 222 NATIONALØKONOMISK TIDSSKRIFT NR.2 hiness of the firm (and the firm s ability to pose collateral) and not whether it has applied for other types of financing. Table 3 reports the results from estimation of the bivariate probit models with sample selection. As a first observation, results of the estimation of the main outcome equa tion produces largely similar results to those from the standard probit model reported in Table 2, in particular for the models relating to In addition, the value added of using a selection model for 2007, compared to the standard probit model in Table 2, is limited, as the estimate of ρ is not significantly different from zero. On the other hand, it is clearly important to take selection into account when estimating the models based on data from Table 3 underlines the previously found weak relation between firm characteristics and outcome of loan applications in We find only a marginally significant impact of the solvency ratio of the firm on the outcome. Only relatively few firms, which did apply for bank loans in 2007, had their application rejected. However, for , there is a clear relation between firm characteristics and the probability of having a loan application accepted. Firms with higher profit ratios, solvency ratios and liquidity ratios have a significantly higher probability of having their loan application accepted. Consider for example two otherwise identical firms which differ with an interquartile range (based on the sample values) on each of these variables, all other things equal. Our results imply that the probability of having a loan application accepted for the firm with high profit, solvency and liquidity ratios is 2.9, 5.1 and 6.2 percentage points higher, respectively, than for the firm with low values on each of these dimen - sions (evaluated at the mean of the other explanatory variables). The descriptive analysis in section 4 indicated that a smaller group of firms did not apply for debt financing, since they believed that they would have their application rejected or that a loan would be too expensive. These firms had, in general, weak economic performance. However, the selection equations indicate that most firms, which do apply for a bank loan, have poorer performance than firms which do not. Overall, this might reflect that the group of firms which do not apply for a bank loan is dominated by well-performing firms, although a minority is so poorly performing that they choose not to apply in expectation that their application would be rejected. As noted in section 3, we are able to identify the principal bank connection of the firms for slightly less than two-thirds of the firms that applied for bank loans. To assess the impact of the bank connection, we include a dummy for large banks, as well as the loan impairment charge ratio and the solvency ratio of the bank in 2007 and 2009, respectively. Bank characteristics may influence both the outcome of the loan application and the firms tendency to submit loan applications to specific banks. For ex - ample, firms could self-select towards banks expected to offer better conditions. This

223 LOAN REJECTION RATES AND CREDITWORTHINESS OF CORPORATE CUSTOMERS 223 Table 4. Results: Impact of bank and firm characteristics on outcome of loan applications Coef. M.E. Coef. M.E. Probability of acceptance of bank loan application Solvency ratio *** Profit ratio ** Implied interest costs Liquidity ratio (broad) ** Short-term debt ratio Bank: Group Bank: Loan impairment charge ratio * Bank: Solvency ratio Constant Selection equation Solvency ratio * *** Profit ratio Implied interest costs Liquidity ratio (broad) *** *** Short-term debt ratio Bank: Group ** Bank: Loan impairment charge ratio Bank: Solvency ratio * LN(No. of employees) LN(Total assets) Applied for loan (other source) ***0.983 ***0.923 Constant ρ ** Observations Note: Coef. = Coefficient estimate; M.E. = Marginal Effect of a unit change in the explanatory variable on the probability of having the application for a bank loan accepted. Marginal effects are evaluated at the mean of the values of the explanatory variables. The selection equation models the probability that a company applied for a bank loan. ρ is not directly estimated in the ML-estimatiion; the significance test reported is a test for atanh(ρ) = 0. The null hypothesis on testing (double-sided) for significance of parameter estimates is that the parameter is equal to zero. *. ** and *** indicates rejection of the null hypothesis at a significance level of respectively 10, 5 and 1 per cent. Source: Own calculations on the basis of the data listed in section 3. is taken into account in the models by the inclusion of bank characteristics in both the selection and outcome equations. Due to the significant reduction in the number of observations when bank connec - tion is included in the models, we choose to report results including bank connection variables separately, cf. Table 4. Though the number of observations is reduced, results for firm characteristics are qualitatively similar to those reported in Table 3. The size of the bank does not have an impact on the outcome of an application for a bank loan; although in , firms which have as their main bank connection one of the lar-

224 224 NATIONALØKONOMISK TIDSSKRIFT NR.2 ge banks are found to be less likely to apply for a bank loan. The interpretation of this is not clear, however, since firms choice of bank connection may be impacted by unobserved firm characteristics which may also impact the availability of alternative funding sources. In , we find a marginally significant relation between higher loan impairment charge ratios at the bank, and lower probability of loan acceptance. However, the solvency ratio of the bank has no impact on the outcome of the firm s credit applica - tion. This might suggest that it has not been the banks own capitalisation, which has been the decisive factor for the decline in the banks loan acceptance rates during the financial crisis but rather the deterioration of the credit quality of the banks corporate customers and greater uncertainty about the future economic outlook for the corporate sector brought about by the financial crisis. However, it should also be noted that the combination of an insignificant coefficient on the solvency ratio and a marginally significant coefficient on the loan impairment charge ratio might reflect that the banks operate with a target for their solvency ratio. In such a case the solvency ratio would be roughly constant (and thereby uncorrelated with acceptance rates) whereas the nega - tive and significant coefficient on loan impairment charge ratio could reflect that banks tightened their credit standards in order to reduce credit exposure and thereby facilitate their way back to their target capitalization rate. Literature Abildgren, K., and A. Kuchler Banks, Credit and Business Cycles. Danmarks Nationalbank Monetary Review 52 (2), pp Artola, C., and V. Genre Euro Area SMEs under Financial Constraints: Belief or Reality? CESIFO WORKING PAPER No Bernanke, B., and M. Gertler Agency Costs, Net Worth, and Business Fluctua - tions. American Economic Review 79, pp Canton, E., I. Grilo, J. Monteagudo, and P. van der Zwan Perceived credit constraints in the European Union. Small Busi ness Economics October, pp Ferrando, A., and N. Griesshaber Financing obstacles among euro area firms who suffers the most? ECB Working Paper No Ferrando, A., and K. Mulier Firms financial constraints: do perceptions match the actual situation?, ECB Working Paper No Gaiotti, E Credit availability and investment: lessons from the great recession. European Economic Review 59, pp Lawless, M., and F. McCann Credit Access for Small and Medium Firms. Survey Evidence for Ireland. Journal of the Statistical and Social Inquiry Society of Ireland 41, pp Rottmann, H. and T. Wollmershäuser A micro data approach to the identification of credit crunches. Applied Economics 45, pp Statistics Denmark Små og mellemstore virksomheders adgang til finansiering. TemaPubl 1. Stiglitz, J. E., and A. Weiss Credit Ra - tioning in Markets with Imperfect Information. American Economic Review 71, pp Van de Ven, W. P. M. M., and B. M. S. van Praag The Demand for Deductibles in Private Health Insurance: A Probit Model with Sample Selection. Journal of Econometrics 17, pp

225 Nationaløkonomisk Tidsskrift 151 (2013): The Effect of Punitive Sanctions on the Transition Rate from Welfare to Work: Evidence from Denmark Atef Qureshi Finansministeriet, mail: SUMMARY: Applying a mixed proportional hazard timing-of-events model in the confines of a search model punitive sanctions are in the current study found to have positive effect on the transition rate from welfare to work. Furthermore, the empirical analysis of this paper shows that the magnitude of this positive effect depends on the type of sanction. This effect diminishes over time and is heterogeneous. Finally, the existence of alternate»escape routes«from the welfare system, other than employment, does not undermine the positive effect of a sanction. 1. Introduction The use of punitive sanctions against recipients of welfare in Denmark ought to be seen in the light of the Danish labour market model, the so-called flexicurity model. This model comprises following three interacting elements in a difficult balance: Flexibility, security and active labour market policies. Flexibility is ensured by a legal structure, which to a large extent makes hiring and firing relatively simple and costfree. This gives employers a relatively free hand to expand or contract their workforce as needed throughout the business cycle. It also ensures that workers may quickly be allocated to sectors where their labour is most urgently needed. Security is ensured by a broad array of transfer incomes in times of unemployment. The third and final element of flexicurity, active labour market policies, comprises a range of vocational train - ing and workfare programs designed to ensure employment. As a result unemployed workers are required to participate in a number of courses and job-search activities. Active labour market policies have become a central element of Danish labour market and the structure of these policies as we see them today have been changed a lot during the recession in the 1980s and the economic boom in the 1990s. According to the recent design of the Danish labour market unemployed workers who receive trans- I am grateful to the Ministry of Employment for providing access to data. Furthermore, I also gratefully acknowledge very constructive comments from Karsten Albæk, Michael Svarer, Michael Rosholm, Thomas Mølsted Jørgensen, Anders Bruun Jonassen, and Ulla Nørskov Nielsen.

226 226 NATIONALØKONOMISK TIDSSKRIFT NR.2 fer income are generally required to meet some form of workplace readiness demands, and welfare recipients are no exception. For welfare recipients, workplace availability requires that the recipients accept reasonable job offers, or participate in vocational training or other programs designed to improve their employment prospects. Should the recipient fail to meet these requirements for instance if he or she does not show up for a job interview this is registered as a negative incident that may potentially lead to economic sanctions, i.e. the worker s welfare payment may be docked. The objective of this paper is to determine to what extent economic sanctions being imposed if the welfare recipient does not comply with the requirement regarding work place availability, influence the welfare recipients transition rate from unemployment to work. Welfare recipients who began receiving welfare benefits from January 2007 to the end of august 2008 are divided into two groups: Those who receive a sanc - tion, and those who do not. In addition to quantifying the effect of sanctions the ana - lysis will illuminate the following: How does the time-profile of the effect of sanctions vary? I.e. do sanctions permanently change the behaviour of welfare recipients or does the effect attenuate over time? How do the worker s personal characteristics interact with sanctions? Are they more effective against some groups (for instance women) than others? Does the effect of a sanction depend on its magnitude? I.e. if an unemployed worker loses her benefits for a just a week, is she then less likely to find a job than if she loses her benefits for a whole month? The econometric model for this analysis is the mixed proportional hazards (MPH) model. The chosen model allows us to include unobserved heterogeneity by explicitly modelling unobserved characteristics. A natural objection to this type of analysis is that welfare recipients who receive a sanction have a fundamentally different behaviour from those who do not, and any perceived effect of sanctions is really describing these unobserved differences in the workers behaviour i.e. a selection bias exists. To deal with this potential bias I implement a variation of the MPH model known as the time-of-events model. This approach assumes explicitly that the risk of receiving a sanction is endogenously determined, and at the same time models the chances of making the transition from welfare to work simultaneously. The current study is the first empirical analysis regarding the effect of a punitive sanction on the exit rate from welfare to work in Denmark. However, a comparable empirical analysis was made by Van den Berg et al. (2004) for the Dutch labour market

227 THE EFFECT OF PUNITIVE SANCTIONS ON THE TRANSITION RATE FROM WELFARE TO WORK 227 who find that the imposition of punitive sanctions considerably increase the exit rate of welfare in the Netherlands. Furthermore, they also find that this effect does vary over time after the imposition of a sanction and does also depend on the magnitude. A part from the study mentioned above, an analysis has been made by Svarer (2007) on Danish labour market. He analyse the effect of punitive sanctions against people receiving unemployment benefits in Denmark. He concludes that sanctions imposed against people who do not fulfil the eligibility criteria for receiving unemployment benefits increase the exit rate from unemployment to work. The current study will reveal whether the same conclusion holds for welfare recipients. The main problem in any empirical study regarding estimation of effect of punitive sanctions concerns the endogenous selection involved. Neglecting the problem with endogenous selection gives biased estimates while handling the selection bias makes sure that the causal effect is identified. With the timing-of-events approach exploiting the information regarding the timing of events, namely the timing of imposition of a sanction and the timing of exit to work, identifies this. The outline of this paper is as follows. First I provide the regulatory framework for sanctions against welfare recipients with negative job-search behaviour. Next follow some theoretical considerations, introduction to the timing-of-events model, descrip - tion of the data, the empirical analysis, and finally the conclusion. 2. Welfare and sanctions in Denmark The non-working part of the population in Denmark who do not subscribe to an unemployment insurance fund are generally eligible for welfare assistance in case of unemployment, provided they can continually demonstrate workplace-availability. 1 The requirements these workers must meet to demonstrate workplace-availability and to remain eligible for welfare vary depending on whether the worker faces other problems than unemployment, such as alcoholism, chronic illness or poor language skills. Such social ills can prove a major stumbling block to finding a job, and the demands made on unemployed workers to remain eligible for welfare vary considerably de - pend ing on whether they face such problems. Social workers use a coding system the so-called match group system to designate the degree to which welfare recipients are struggling with social ills. Welfare recipients categorized as match 1, 2, 3 and temporary match are expected to start working any time if they face no immediate obstacles to accepting a job. 2 The rest of the wel - 1. To be eligible for welfare, the worker must have resided in Denmark for 7 of the last 8 years. In addition, married workers whose spouses receive welfare may only receive welfare if they meet certain employment requirements. 2. Welfare recipients who are yet to be categorized as either match 1, 2 or 3 are categorized as temporary match.

228 228 NATIONALØKONOMISK TIDSSKRIFT NR.2 fare recipients are categorized as match 4 and 5. The job search behaviour of these welfare recipients is likely to diverge significantly from that of workers who face no other problems than unemployment. 3 To receive welfare, workplace-ready unemployed workers must: Register with their local Job Center. Submit and continually update their résumé in the Job Center s online job bank. Maintain contact with their social worker. Actively apply for jobs, including participating in interviews set up by their social worker. Comply with Job Center demands that they seek particular jobs that the social worker finds appropriate. Furthermore, workers on welfare are expected to accept reasonable job offers or participate in active labour market programs, such as extra training or seminars on job search. If they receive an appropriate job or training offer, workers are expected to start the next day. When the worker receives a job offer, the Job Center registers the event. The same is true if the worker is called to an interview, or asked to update her CV. What happens next determines the welfare recipient s continued eligibility for welfare payments. 3. Workplace unavailability and punitive Sanctions If the worker fails to meet the above requirements for instance by not showing up for a meeting with her caseworker the action is counted as a negative event. At this point the case worker must evaluate whether this came about because the unemployed worker is not workplace-available, or whether her failure to meet the requirement is excusable on valid grounds, for instance because of illness or childcare issues. If the event is excusable, the worker will not receive a sanction. However, if she was absent without valid reason, she will receive a sanction. Initially, welfare recipients who are in workfare programs and fail to participate in that program fully will lose a portion of their benefits corresponding to the level of non-participation in the program in question. For instance, if the welfare recipient is participating in a job training program and fails to report for work one day during a five day work-week, she will lose 20% of her benefits. This type of economic sanction will, in the empirical analysis, be referred to as a proportional reduction of welfare. 3. Beskæftigelsesministeriet (2006), Kulegravning af kontanthjælpsområdet, chapter 1 and 2.

229 THE EFFECT OF PUNITIVE SANCTIONS ON THE TRANSITION RATE FROM WELFARE TO WORK 229 Table 1. Proportional reduction of welfare 1/3 reduction of welfare for 3 weeks Sanctions regarding repeated offences Temporary loss of benefits Loss of benefits for a longer period of time If the recipient fails to meet her obligations, she may lose a third of her benefits for a number of weeks. This type of sanction is used against welfare recipients who refuse work or do not at all participate in a workfare program (e.g. job training or education), and who do so without providing a legitimate excuse. First-time offenders have their benefits cut for three weeks (1/3 reduction for 3 weeks). A repeated offence within 12 months of the first offence leads to 20 weeks of reduced benefits (1/3 reduction for 20 weeks). Other offences are punished with a temporary loss of benefits. This type of sanction is used if the welfare recipient misses a meeting concerning her CV or concerning a job offer. The offender loses all benefits until she meets with her case worker or other - wise informs about the reason for not meeting her obligations, this loss of benefits typically lasts for a few days. After a contact is re-established, the welfare recipient may resume her benefits. However, repeated offences of this nature within a 12 month period are punished by a subsequent loss of 1/3 of benefits for 2 weeks the first time they occurs. While offences of this nature repeated for the second time are punished by a subsequent loss of 1/3 of benefits for 20 weeks. Finally, chronic offenders may lose their benefits entirely for a longer period of time to be determined by their case workers Modified search theory Labour supply theory describes a fundamental utility maximization problem under which workers decide what amount of labour they are willing to supply at a given wage; 4. Some recipients may be required to pay back the benefits received. This could for example be the case if the welfare recipient has started a new job but fails to inform her case worker and thus continues to receive welfare without being qualified. The pay back period in this case is defined as the period of double in - come. If this type of sanction is imposed, then the welfare recipient is required to pay back the welfare bene - fits, after reemployment is obtained. Furthermore, if the recipient does not obtain reemployment in the pe - riod of two years, after imposition of this sanction, then the welfare recipient is not required pay back the welfare benefits at all. This sanction is excluded from the empirical part of this paper, due to the fact that the structure of this sanction is completely different from the other types of sanctions. In fact, I performed an empirical analysis including this type of sanction. The inclusion of this sanction had no significant effect on the exit rate from welfare to work; neither did it change any of the other results in the empirical analysis.

230 230 NATIONALØKONOMISK TIDSSKRIFT NR.2 see e.g. Varian (1999). 5 Supply theory assumes efficient spot markets for labour, and thus falls short of describing the many imperfections of real world labour markets, in particular involuntary unemployment and variable wages. Mortensen (1977) has there fore proposed a search framework that explicitly accounts for the costly process of seeking employment as well as the variability of wages. This framework has proven useful for the analysis of policies to reduce unemployment, and the present context is no exception. Abbring, Van den Berg and Van Ours (1997) have modified the job search frame - work of Mortensen (1977) and they explicitly incorporate punitive sanctions. In this model the anticipated theoretical effects of punitive sanctions are more precise and the following main assumption is made: Sanctions are imposed if an unemployed worker s search intensity, s, is under a certain threshold value. Some unemployed workers will be willing to take the risk of being sanctioned than others. 6 Therefore, for an unemployed worker who has not yet been punished, there is a rate, p(s), at which a sanction is imposed, with p(s) decreasing in s. The unemployed worker knows the shape of p(s), but she does not know in advance when a sanction is imposed. Taking these assumptions into account, the modified search model predicts following main results as listed below (however, I am only trying to identify the ex-post effects of sanctions in the current study, therefore only the last three of the following five results are of interest in the current study). Theoretical prediction # 1 (ex-ante effect): Strengthening the eligibility criteria and/or increasing the monitoring effort and/or increasing the sanctions imposed might induce the unemployed workers to search harder and sooner accept job offers, even before a sanction is imposed. 7 Theoretical prediction # 2 (ex-post effect): Warning effect: Typically an unemployed person is notified when eligibility criteria are not met, but before a sanction may be imposed - this warning might increase the job search effort since the expected value of continued unemployment drops. However due to non-availability of the date this ef fect can not be identified in the current study. Theoretical prediction # 3 (ex-post effect): Temporary sanction effect: During the sanction period, the utility of being unemployed is lowered, and unemployed indivi - duals find it more attractive to work. Theoretical prediction # 4 (ex-post effect): Permanent sanction effect: The period after the sanction period ends might be followed by increased monitoring, or at least the sanctioned unemployed individuals expects to be more intensively monitored, which in both circumstances results in a higher exit rate from unemployment. 5. For more detail on an agent or a worker maximization problem see e.g.. Cahuc and Zylberg (2004). 6. This is because they have a higher non-pecuniary utility of being unemployed. 7. Svarer (2007) finds some evidence of ex-ante effect for the unemployed workers receiving UI benefits in Denmark.

231 THE EFFECT OF PUNITIVE SANCTIONS ON THE TRANSITION RATE FROM WELFARE TO WORK 231 Theoretical prediction # 5: Both the exit rate from unemployment to employment and the rate at which a sanction is carried out depend on all the variables that the in - dividual uses to determine her strategy. Due to this result the exit rate and sanction rate, in the empirical model, depend on the same set of observed variables. 5. The empirical model In order to investigate the effect of a sanction on the exit rate from welfare to work, I estimate a Mixed Proportional Hazard (MPH) duration model in which the random variable is the time spent in unemployment. Furthermore, in order to meet the fact that sanctions are not given randomly to welfare recipients, but rather as a result of their behaviour, I apply a timing-of-events strategy in the MPH framework. This strategy makes it possible to disentangle the selection effect from the causal effect of receiving a sanction on the exit rate from welfare to work. More precisely I will follow van den Berg et al. (2004), Abbring et al. (2005), Lalive et al. (2005) and Svarer (2007) and apply the timing-of-event strategy of Abbring and van den Berg (2003a). That is, to estimate the process out of unemployment simultaneously with the process of receiving a sanction allowing the two processes to be interdependent through the error term Timing-of-event Consider T W(elfare) and T S(anction) as continuous non-negative random variables denoting the duration of a welfare spell and the duration until a sanction is imposed on a welfare recipient. Furthermore, let t denote the unit of time in which an individual receives welfare benefits and let t s denote the unit of time until an individual receive a sanction. Distribution of T is allowed to vary across all N individuals, where all variation is assumed to be described by a vector of (potentially time dependent) covariates and an element of (time independent) unobserved heterogeneity. More formally, with the above definition of the random variables, the MPH timingof-event model can be expressed as a system of the following two equations. s (t x s,t, v s ) = s (t) s (x s,t, v s ) w (t t s,x w,t, v w ) = w (t) w (x w,t, v w ) The first dependent variable, s (t x s,t, v s ), denotes the sanction rate at time t con - ditional on x s and v s for an individual receiving welfare benefits for t units of time. The exit rate from welfare to work at time t, w (t t s,x w,t, v w ), is the second dependent variable, given t s, x w,t and v w. Furthermore, x s,t and x w,t denotes vectors of possibly time-dependent and time-varying covariates in the system of the above equations and the unobserved heterogeneity is expressed by v s and v w.

232 232 NATIONALØKONOMISK TIDSSKRIFT NR.2 The two dependent variables are articulated as a function of a baseline hazard and a scaling function. The basic intuition in a MPH model is that baseline hazards refer to in dividuals who exhibit baseline characteristics. And individuals who do not exhibit baseline characteristics, the sanction rate and the exit rate change relatively to the base line hazards through the scaling function. These functions can have different shapes depending on the purpose and the nature of a study. In the current case I follow the related studies and specify the baseline hazards as exp ( i (t)) and the scaling function as exp ( i x i,t + v i ) for i = s,w. With these specifications the system of equa - tions in a timing-of-events model can be stated as: s (t x s,t, v s ) = exp( s (t) + s x s,t + v s ) w (t t s,x w,t, v w ) = exp( w (t) + D(t s ) + w x w,t + v w ) Where D(t s ) is a time-varying indicator variable taking the value 0 before the sanc - tion is imposed, and 1 after it has been imposed. 8 The model can be estimated using the maximum likelihood procedure, with parameters obtained by maximizing the like - lihood function. The main point in using the MPH timing-of-event model in the present context is that the occurrence of a sanction and the exit rate out of unemployment are characte - rized by the moments at which they occur. The distributions of the random variables are expressed in terms of their hazard rates s (t x s,t, v s ) and w (t t s,x w,t, v w ) Parameterization I specify the duration dependence functions as well as the bivariate unobserved heterogeneity distribution as flexible as possible. This implies that the hazard functions have a piecewise constant specification and the unobserved heterogeneity terms are assumed to follow a discrete distribution with only two mass-points. This specifica - tion is flexible since it does not assume too much structure and the parameterization may more formally be written as follows. The hazard of leaving employment w (t) as well as the hazard of receiving a sanc - tion s (t) can be written as: i (t) = exp = iji j (t), j=1,2 i = s,w j is a subscript for time intervals and I j (t) is time-varying dummy variables that are one in consecutive time intervals. The bivariate discrete distribution of the unobserved he- 8. In the extended model five dummy variables are introduced in order to differentiate between effects of different types of sanctions on the exit rate from welfare.

233 THE EFFECT OF PUNITIVE SANCTIONS ON THE TRANSITION RATE FROM WELFARE TO WORK 233 terogeneity terms v s and v w with two unrestricted mass-point locations for each term can be denoted as (v w a,v w b ) and (v s a v s b ). Pr(v w = v w a,v s = v s a ) = p 1 Pr(v w = v w a,v s = v s b ) = p 2 Pr(v w = v w b,v s = v s a ) = p 3 Pr(v w = v w b,v s = v s b ) = p 4 represent the associated probabilities. Note that 0 p i 1 for i = 1, 2, 3, 4 and p i = Identification and the assumptions of the model In this section the main assumptions of the model, presented in the previous section, will be followed by an intuitive explanation regarding identification strategy of parameters to be estimated. First of all it should be highlighted that while estimating the above model a mul - tispell data set is used. This means that an individual can occur with several spells in the data set. Using a multispell data adds more variation over time for an individual, and allows for weaker assumption regarding the statistical model. Along all the assump tion of the model the covariates are assumed to be uncorrelated with the unobserved heterogeneity term. In order to fulfil this assumption a large number of co - variates are included in the estimation. Especially inclusion of covariates regarding labour market association makes the above assumption more reliable. Apart from the assumption that the unobserved heterogeneity term of the model is uncorrelated with the covariates (exogeneity assumption), the estimation also follows a»predictable process«. This means that the values of time dependent covariates at time t are only affected by past events and that these events are observable. 9 The baseline hazards are assumed to be piecewise constant over time. This is as - sumed in order not to impose a structure on the duration dependence. Assuming a particular distribution (for example Weibull distribution) of the duration dependence would mean that one has to estimate fewer numbers of parameters, which would be more efficient. On the other hand if the assumed distribution of the duration dependence is not true it would lead to biased estimates. The unobserved heterogeneity terms are assumed to follow a discrete distribution with two mass-points. First of all, not including an unobserved term would lead to a Proportional Hazard model (PH-model). In the presence of some unobserved charac - teristics affecting the exit rate and sanction rate applying the PH-model it would lead to biased estimates. In the current study and in other studies with the nature of un - 9. Van den Berg (2001) denotes this as»past and out random variation«.

234 234 NATIONALØKONOMISK TIDSSKRIFT NR.2 employment being analyzed it is natural to believe that there exist unobservable cha - rac teristics affecting the unemployment. 10 This is the obvious reason for including the unobserved term and estimating a MPH-model. Numbers of mass-points, in the current study, are a priori chosen to be two in each of the two marginal distributions. A correct way of choosing the number of masspoints is to a priori assume a few numbers of mass-points, and then increase the number until the most likely distribution of the unobserved heterogeneity is found, based on a Likelihood ratio test. According to Heckman and Singer (1984), Van den Berg (2001), Baker and Melino (2000) and Gaure et al. (2007) in practice only a few mas s- points are found. Finally, identification of the model is obtained with multiple spell data under following assumptions: The unobserved heterogeneity term of the model is uncorrelated with the covariates (exogeneity assumption). Statistical independence between unemployment spells, given observable characteristics of an individual. Every unemployment spell is affected by the set of observable characteristics. v s and v w are constant across different spells of an individual. The periods between different unemployment spells of an individual do not depend on v s and v w. So, the conclusion is that the identification strategy is that the variation of unemployment duration and the duration until a sanction is used to identify the unobserved heterogeneity distribution. The selection effect is captured by the correlation between v s and v w while the causal effect of a sanction on unemployment duration is captured by the effect of being sanctioned conditional on the observed and unobserved terms Data The data used in the empirical analysis is based on the following five administrative registers: DREAM, KMD, COR, MIA and the CPR-Register. DREAM (Danish Register for Evaluation of Marginalization) is essentially an event history database. For each individual who has ever received any form of public transfer income, weekly information is provided. The types of payments include unemployment insurance, welfare benefits, payment for participation in workfare pro- 10. Lancaster (1979) was the first to prove that the hazard function in a PH-model is more negative duration dependent then the hazard function of a MPH-model, due to a process of»weeding-out«. 11. In Abbring and Van den Berg (2003) a more detailed identification strategy is discussed.

235 THE EFFECT OF PUNITIVE SANCTIONS ON THE TRANSITION RATE FROM WELFARE TO WORK 235 grams, student stipends, pensions, and the like. The data in this register is collected and compiled by the Danish Ministry of Employment. Using DREAM, a weekly event history is constructed for each individual receiving welfare payments in the period from January 1 st 2007 to August 31 st In Denmark when an individual is not registered as receiving public transfers, she may either be employed or not be participating in the labour force, which seldom occurs. Nevertheless, in order to check whether workers gain employment or do not participate in the labour force in the period after ending an unemployment spell, I combine information from DREAM with information from the MIA register, which contains monthly information about workers who gain some form of regular job income. The KMD data set provides information on sanctions collected from a database containing information on the interaction between case workers and unemployed (KMD). This data set contains the dates and types of a given sanction. The information regarding an unemployed person s total yearly income in 2006 is obtained from COR, and finally the information in relation to number of children less than 18 years of age is obtained from CPR-Register The population of interest The fact that the empirical model basically compares individuals who receive a sanc - tion with individuals who do not receive a sanction must be given some consideration to the construction of the populations of interest in order to make them as comparable (homogeneous) as possible. I construct a flow sample on new welfare recipients and calculate the number of weeks until a worker may be sanctioned. I only look at the effect of the first sanction (this is the common approach in the literature, van den Berg et al. (2004), Abbring et al. (2005), Lalive et al. (2005) and Svarer (2007), and the advantage of this approach is that I only have to deal with time until the first sanction. Spells concerning further sanctions are right-censored. In order to construct the population of interest in a way that makes individuals as comparable as possible, I only include individuals who are workplace-ready i.e. re - cipients in match 1, 2, 3 and temporary match. Furthermore, I exclude individuals who are under 25 years of age and singles between 25 and 30. This exclusion is due to the fact that these individuals are subject to a special youth welfare program with much stricter requirements and regulations. The final dataset contains welfare recipients who experience a total of numbers of unemployment spells of which were characterized as spells with imposition of a sanction.

236 236 NATIONALØKONOMISK TIDSSKRIFT NR Welfare duration (weeks) Figure 1. The empirical exit rate. Source: DREAM and MIA. Figure 1 shows that the empirical exit rate is highest at the beginning of the of the welfare period. During the first 2 months, the weekly reemployment probability is approximately 4 percent. In general the graph of the empirical exit rate seems to be peaking after three months. This could indicate a motivation affect as a result of the con - tact meetings held every 3rd month between a welfare recipient and a case worker. The empirical sanction rate can be seen in figure 2. This rate is high in the beginning of an unemployment spell which coincides with the period at which the first systematic investigation regarding the welfare recipients workplace-availability takes place. This investigation is done by the caseworker in a job center through various CV interviews and other active labour market programs. Overall there seems to be a pattern of negative duration dependence for both processes i.e. longer unemployment spell reduces the probability of receiving a sanction, as well as the probability of finding a job. The decreasing probability of finding a job over time could be an indication of deceasing labour market association, as time goes by. While the overall decreasing sanction rate suggests that recipients who have been in the welfare system for a longer period of time know how to comply with the eligibility criteria The explanatory variables All the discrete (dummy) variables included in the empirical analysis are self-

237 THE EFFECT OF PUNITIVE SANCTIONS ON THE TRANSITION RATE FROM WELFARE TO WORK 237 0,06 0,05 0,04 0,03 0,02 0, Figure 2. The empirical sanction rate. Source: DREAM, KMD and MIA. Welfare duration (weeks) explainable. I also include the following two continuous variables: Fraction of preceding year public support and deviation from average income in The first one mea - sures the degree of public support 12 mouths prior to the date of entering a welfare period. And the second measures the deviation of the income level in year 2006 from the average level of income among all welfare recipients. This variable is defined in terms of log, which means that the parameter estimate can be seen as an elasticity parameter. The purpose of including these two continuous variables is to account for variation in the sanction rate and exit rate caused by the history of public support and income. One can argue that welfare recipients with a higher degree of public support in the past might be recipients with low degree of labour market association and thus have a lower exit probability, Rosdahl and Petersen (2006). Furthermore, recipients with a higher level of previous income might be recipients who are used to this income level. Table 2 provides some statistics regarding the explanatory variables in the model. The table gives a first impression of differences in exit probabilities between different groups. For example 44 percent of the welfare spells are female recipients of which 35 percent have gained employment before 31 st of August 2008, whereas 43 percent of the male recipients have gained employment before this date. Recipients age seems to have negative effect on the exit probability. Recipients who are single, who have child - ren, and who are living in different regional areas of Denmark seem to have more or less the same exit probability as of their counterparts. Finally recipients in match

238 238 NATIONALØKONOMISK TIDSSKRIFT NR.2 Table 2. Descriptive statistics regarding the characteristics of the data. Exit rate (%) Right censured (%) Total Dummy variables No sanction Sanction No sanction Sanction Number (%) Total number of spells , Ages , Ages , Ages , Ages , Female ,09 44 Male , Not married , Married , Match group , Match group , Match group ,85 15 Temporary match , Without children under 18 years of age , With children under 18 years of age , Native , Immigrants from developed countries ,621 5 Immigrants from less developed countries , Capital region of Denmark , Region Zealand , South Denmark Region , Central Denmark Region ,07 16 North Denmark Region ,444 9 MeanStandard error Continuous variables Fraction of preceding year public support Deviation from average income in Source: DREAM and MIA, COR, KMD, and CPR-register.

239 THE EFFECT OF PUNITIVE SANCTIONS ON THE TRANSITION RATE FROM WELFARE TO WORK 239 group 1 and recipients who are immigrants from developed countries seem to have higher exit probabilities than their counterparts. Regarding the probability of receiving a sanction one can say that recipients who are single or are in match group 3 or having children under 18 years of age or are native Danes appear to have a higher probability of receiving a sanction than their counterparts. Overall, 12 percent of the recipients were sanctioned and 35 percent of them had left welfare before 31 st of august Results The parameters to be estimated are: s, w,, v s a, v w a, p 1, p 2, p 3, s, w. Both s and w are vectors of 17 parameters. Table 3 presents the parameter estimates of a restricted model. 12 The parameter estimates of p 2 and p 3 are set to zero, which implies that the unobserved heterogeneity terms of s (t x s,t, v s ) and w (t t s,x w,t, v w ) are restricted to be perfectly correlated. The restricted model passes the likelihood ratio (LR) test with 2 degrees of freedom and a critical value equal to As a starting point, the results showed that the exit rate from is higher in a timingof-events model relative to a model where the imposition of a sanction is treated as an exogenous event, this indicates that, indeed, selectivity in the imposition of sanctions cannot be ignored. The unobserved heterogeneity components of the model, presented in table 3, can be interpreted in the following way: There are two groups of welfare recipients. The group which represents 10.7 percent finds a job rather quickly and faces a higher sanc - tion rate, because v w b > v w a and v s b > v s a. The opposite is true for the second group which represents 89.3 percent. The main parameter of interest is which represents the effect of a sanction on the exit rate from welfare to work. The estimated value of is and is significantly different from 0 with a t-value of Thus imposition of a sanction increases the transition rate from welfare to work with more than 52 percent. An economic sanction is imposed on a recipient who does not have a valid reason for not demonstrating workplace-availability. When entering an unemployment spell the welfare recipients are required to demonstrate workplace-availability while they are unemployed. In doing so they should participate in active labour market programs. The aim of participating, seen from the authority s point of view, is to insure the workplace-availability, increase the qualifications, insure a certain level of search intensity and thereby increase the probability of getting a job. Thus, recipients who do not par Imposing restriction on the unobserved term is a common procedure implied in order to obtain identification (Svarer 2007).

240 240 NATIONALØKONOMISK TIDSSKRIFT NR.2 ticipate either believe that participating does not increase their qualifications and thereby their probability of obtaining employment, or they believe that it is just a matter of time before employment is obtained hence entering an active labour market program is less meaningful. In this sense, the current study does not empirically identify the ef fect of forcing the welfare recipients to participate in active labour market programs, but rather measures the effect of economic incentive on the exit rate, caused by the re - duction in the welfare level. The intuition of the positive effect of punitive sanctions in the current study on the exit rate can thus be seen as a result caused by the economic motivation to gain employment. Relating this empirical result to the theoretical result, the theory in section xx argues that this economic motivation may be formulated as an outcome of reduction in the present utility of a welfare recipient. Hence, in order to increase the utility the recipient, according to the theory, reduces her reservation wage and increases her search intensity, which in turn increases the exit rate from welfare to work. In relation to the length of an unemployment spell the rest of the parameter estimates in table 3 draw the following picture. Recipients who are older and recipients who have accumulated more time on public support experience a lower exit rate and hence a longer unemployment spell. Recipients who are immigrants from developed counties have a higher exit rate compared to native Danes, and recipients who are ca - tegorized as match category 2, 3 or as temporary match have a lower exit rate than recipients categorized as match 1. Furthermore, a parameter estimate equal to of the variable»deviation from average income in 2006«indicates that a one percent higher income level relative to the average income level in 2006 increases the exit rate from welfare to work by approximately one percent. Finally the exit rate seems to be higher in Region South Denmark, whereas it seems to be lower in Region North Jutland compared to the Capital Region. Along with the process of the exit rate the process of sanction rate is also simul - taneously estimated and the estimates in table 3 show that older recipients, non-dane recipients and recipients who are married have a lower probability of receiving a sanc - tion. This shows that recipients who are older know the welfare system better and have less negative search behaviour and so avoid a sanction. Furthermore, the estimation results in table 3 also indicate that recipients who live in other regions than the Capital Region or male recipients have a higher probability of receiving a sanction than their counterparts. Whereas recipients who are categorized as temporary match have a lower probability of receiving a sanction. 8. Sensitivity analysis Until now, the effect of a sanction has been seen as an average effect. In the following I will give a more differentiated picture.

241 THE EFFECT OF PUNITIVE SANCTIONS ON THE TRANSITION RATE FROM WELFARE TO WORK 241 Table 3. Estimation results. Exit rate Sanction rate Estimate Standard error Estimate Standard error Effect of a sanction ,575 Baseline hazard 0-12 weeks -2,768-76,196-4,404-68, weeks -3,213-77,967-5,104-73,165 Individual characteristics Ages , ,619 Ages ,418 Ages , ,304 Immigrants from developed countries , ,136 Immigrants from less developed countries ,320 Male , ,252 Married , ,396 Children (under 18 years of age) ,455 Labour market association Fraction of preceding year , ,009 Fraction of preceding year public support , ,255 Deviation from average income in , ,885 Match group , ,118 Match group , ,277 Temporary match , ,009 Geographical association Region Zealand ,729 South Denmark Region , ,833 Central Denmark Region , ,596 North Denmark Region , ,430 Estimate Standard error Unobserved heterogeneity v a w -3,059-4,882 va s ,513 Probability p ,620 p Source: DREAM and MIA, COR, KMD, and CPR-register. Note: vw b = vb s = 0 are normalized. Note: A baseline welfare recipient is a years of age, native female, Dane who is not married, does not has any children, have not received public support for 12 mouths, have middle income in year 2006, is a match category 1 welfare recipient and lives in Capital Region when she started her unemployment spell. Number of spells: 52,023. Log likelihood:

242 242 NATIONALØKONOMISK TIDSSKRIFT NR.2 Table 4. Parameter estimates of the effect of a sanction for different specifications of the model. Effect of a sanction Standard error Different types of sanctions Proportional reduction of welfare ,253 1/3 reduction of welfare for 3 weeks ,459 Sanctions regarding repeated offences ,672 Temporary loss of benefits ,573 Loss of benefits for a longer period of time ,038 Effect of sanctions over time 0-4 weeks 1,153 24, weeks 1,004 16, weeks , weeks Heterogeneous effects Ages Ages ,920 Ages ,007 Immigrants from developed countries ,119 Immigrants from less developed countries ,339 Male Married ,632 Children (under 18 years of age) ,300 Fraction of preceding year ,097 Fraction of preceding year public support ,389 Deviation from average income in Match group Match group Temporary match ,097 Region Zealand ,352 South Denmark Region ,068 Central Denmark Region ,993 North Denmark Region Estimates from a competing risk model Exit work ,334 Exit other ,267 Source: DREAM and MIA, COR, KMD, and CPR-register. Note: Only parameter estimates of effect of sanctions are reported in table. The parameter estimates of the explanatory variables from the different models are not reported. Heterogeneous effects are estimates from different models where I have interacted all the explanatory variables with the sanction dummy.

243 THE EFFECT OF PUNITIVE SANCTIONS ON THE TRANSITION RATE FROM WELFARE TO WORK Effects of different types of sanctions The estimation result in table 3 does not take into account that the amount of wel - fare benefit reduction differs according to different types of sanctions. Thus, in order to perform a sensitivity analysis with regard to the effect of different types of sanctions on the exit rate, I introduce a multivariate dummy variable. Table 4 shows the results. First of all, the LR test rejects the null hypothesis that different types of sanctions do not affect the exit rate differently. Under the null the LR test is a chi-square distributed with four degrees of freedom. And, as it can be seen in table 4 all different types of punitive sanctions have significant and positive effects on the exit rate. For instance, when the authority imposes a sanction and the welfare of a recipient is proportionally reduced the exit rate of this recipient increases with more than 58% (exp(0.458)-exp(0) = 0.584). The two sanctions 1/3 reduction of welfare for 3 weeks and sanctions regarding repeated offences increase the exit rate by respectively 11 and 9%. Whereas, temporary loss of benefits and loss of benefits for a longer period of time have the most pronounced effect increasing the exit rate with more than 167%. 8.2 Effect of a sanction over time The estimation technique utilized in this study in order to explore the detailed (time varying) effect of a sanction during an unemployment spell has been the following. First, unemployment spells when a sanction has been imposed were transformed into sub-spells. Using the data set with these constructed sub-intervals the time varying effect of a sanction is evaluated. In particular, spells for which a sanction has been im - posed are not integrated from start to end of an unemployment spell, but from start to end of the constructed sub-intervals in the likelihood function. The effect of a sanction over time using this technique is shown in table The overall LR test rejects the null hypothesis that the effect of a sanction is constant over time. Furthermore, the time varying parameter estimates illustrate that the imposition of a sanction increases the exit rate with more than 217% in the period of the first four weeks. This positive effect decreases over time and vanishes after 12 weeks. In other words, the result of this estimation signifies that empirical evidence of a direct effect causing a temporary benefit reduction does indeed exist. On the other hand, the estimation does not give the same impression regarding the permanent ef - fect, caused by (potentially) increased monitoring. 8.3 Heterogeneous effects In order to investigate, whether some welfare recipients are less responsive to sanc - tions than others, I interact the sanction dummy from table 3 with the other explana - tory variables in the exit hazard. 13. Models with different number of intervals were estimated. The final model is chosen using LR-test.

244 244 NATIONALØKONOMISK TIDSSKRIFT NR.2 The results are shown in table 4, where only the interaction terms are reported. Due to fact that the TOE model is a non-linear model, in the following, only the signs and not the magnitudes of the estimation results will be interpreted. In order to evaluate the significance of the interaction terms the standard errors obtained by the delta-method. The results in table 4 show that recipients who are older, recipients who are nonnative Danes, recipients who are married, recipients who have children and recipients with a higher income level have a weaker response to sanctions than their counterparts. In addition to these results table 4 also shows that recipients who live in Region Mid Jutland response positively to sanctions whereas an imposition of a sanction for recipients in Region Zealand have a negative effect in comparison with recipients in Capital Region (baseline region). All in all, the heterogeneous effects suggest that effect of sanctions indeed differs across the population. One interesting result is that welfare recipients with a back - ground from less developed counties who are traditionally categorized as hard to get back in employment, are less affected by the punitive sanctions than native Danes. One way of explaining this result could be that these welfare recipients simply do not have the qualifications necessary to find employment and hence sanctioning these individuals have less incentive effect compared with their counter parts. 8.4 A model with competing risks Notice that other destinations than work have until now been right censored in the analysis. Widening this assumption in the current analysis means that information on the subject of different destination states is utilized. Applying a competing risks model to data the estimated effect of a sanction is de - picted in table 4. The exit rate to work increases whereas the exit rate to other destinations decreases. In other words, introduction of information regarding other destina - tions than work does not undermine the result that the imposition of a sanction in general increases the probability of entering a period of employment. As a matter of fact, the exit rate to work is higher if a model with competing risks is applied. The parameter estimate of affect of a sanction on the exit rate increases from (table 3) to (table 4). 9. Concluding remarks The Danish labour market experienced a very low level of unemployment prior to the recent financial crisis. Apart from the fact, that Denmark was on the positive side of a business cycle, commentators attributed the successful outcome to the design of the Danish labour market.

245 THE EFFECT OF PUNITIVE SANCTIONS ON THE TRANSITION RATE FROM WELFARE TO WORK 245 Punitive sanctions in terms of welfare reduction are imposed against welfare re - cipients who do not accept reasonable job offers, or participate in vocational training, or other programs designed to improve their employment prospects. The logic behind punitive sanctions is that the Danish authorities offer various active labour market programs as one of the eligibility criteria for receiving welfare benefits, as the authorities believe that entering these programs will improve employment prospects of the wel - fare recipients. Hence, not entering an active labour market program is seen as a violation of eligibility criteria and a punitive sanction is imposed. To be clear the purpose of this paper has not been to identify the effect of active labour market programs that the welfare recipient has been forced to enter by economic sanctions. The purpose has rather been to identify the direct effect of welfare reduction for recipients who do not comply with eligibility criteria on entering an active labour market program. Applying a mixed proportional hazard timing-of-events model in the confines of a search model, punitive sanctions are in the current study found to have a positive ef fect on the transition rate from welfare to work. Furthermore, the empirical analysis of this paper also reveals that the magnitude of this positive effect depends on the type of sanction. This effect attenuates over time and is heterogeneous across the sample, and finally, that the existence of alternate»escape routes«from the welfare system, other than employment, does not undermine the positive effect of a sanction on the transi - tion from welfare to work. In other words the result of the current study establishes that welfare recipients are in fact sensitive to financial punishments. Finally, it is also natural to believe that the labour market, and hence the exit rate from welfare to work, is affected by labour market regime shifts and variation of business cycles as in general. In the period of the current study ( ) the economic conditions in Denmark were very positive and no considerable regime shifts took place. That is why no statistically significant calendar time effects were found in the process of the above empirical analysis. The fact that demand for labour was quite high and many industries needed labour could affect the results of this study. In future research, it could be interesting to test whether the results are business cycle sensitive. Literature Abbring, J. H. and G. J. Van-Den-Berg The non-parametric identification of the mixed proportional hazards competing risks model, Tinbergen Institute Discus - sion Paper (TI /3). Abbring, J. and G. van den Berg. 2003a. The Non-Parametric Identification of Treatment Effects in Duration Models. Econometrica, 71, Abbring, J. and G. van den Berg. 2003b. A Simple Procedure for the Evaluation of Treatment Effects on Duration Variables, IFAU Working Paper, 2003:19. Ai, C. and E. C. Norton Interaction terms in logit and probit models, Econo - mics Letters 80 (1), Aktivlov. Fleksydelseslov. Januar Jurainformations lovhæfter, Forlaget Jura Information. Arbejdsdirektoratet Rådighedsstatistik-

246 246 NATIONALØKONOMISK TIDSSKRIFT NR.2 ken 1. halvår 2006, Arbejdsdirektoratet. Andersen, T. M. and M. Svarer Flexicurity, Afdeling for Nationaløkonomi, Institut for Økonomi, Aarhus Universitet, CAM,CEPR, CESifo and IZA. Baker, M. and A. Melino Duration dependence and nonparametric heterogeneity: A Monte Carlo study, Journal of econometrics 96(2), Beskæftigelsesministeriet Flexicurity, Grafisk production: Kallow Graphic A/S. Beskæftigelsesministeriet Kulegravning af Kontanthjælpsområdet, Schultz Grafisk. Cahuc, P. and A. Zylberberg Labour Economics. Due, Jesper, J. S. Madsen and C. Jensen, S. Carsten Den Danske Model, Juristog Økonomforbundets Forlag. Gaure, S., K. Roed and T. Zhang Time and causality: A Monte Carlo assessment of the timing-of-events approach, Journal of econometrics 141(2), Heckman, J. and B. Singer A method for minimizing the impact of distributional assumptions in econometric models for duration data, Econometrica 52(2), pp Jørgensen, T. Mølsted and Pedersen, C. Damtoft Arbejdsmarkedspolitik, Handelshøjskolens Forlag. Lancaster, T Econometric methods for the duration of unemployment, Econometrica 47(4), pp Lov om aktiv socialpolitik jf. lovbekendtgørelse nr af 12. december Madsen, P. K Flexicurity Hvordan kan fleksibilitet og sikkerhed forenes? Søkelys på arbejdsmarkedet, årgang 23, Institutt for samfunnsforskning. Mortensen, Dale T Unemployment Insurance and Job Search Decisions. Industrial and Labour Relations Review, Vol.30, No. 4 (Jul.1977), Mortensen, D. T Job search and labour market analysis, (O. Ashenfelter and R. Layard, eds.), Handbook of Labour Economics, pp , Amsterdam: North- Holland. Pedersen, J. H. and A. H. Red Arbejdsløsheds Forsikringsloven , Udvikling og perspektiver, Arbejdsdirektoratet og forfatterne. Rosdahl, A. and K. N. Petersen Mod - tagere af kontanthjælp, Socialforskningsinstituttet (06:30). Svarer, M The effect of sanctions on the job finding rate: Evidence from Denmark, Århus Universitet, Economics Work ing Paper ( ). Van-Den-Berg, G. J Duration Models: Specification, Identification, and Multiple Durations, Vol. 5 of Handbook of Econometrics, Elsevier, chapter 55, pp Van-Den-Berg, G. J Competing risks models, IFAU Working Paper (2005:25). Van-Den-Berg, G. J. and K. Richardson Duration dependence versus unobserved heterogeneity in treatment effects: Swedish labour market training and the transition rate to employment, IFAU Work ing Paper (2008:7). Van-Den-Berg, G. J., B. Van-Den-Klaauw and J. C. Van-Ours Punitive sanc - tions and the transition rate from welfare to work, Journal of labour economics 22(1), Varian, Hal R Intermediate Micro - economics, A Modern Approach, Fifth Edition, W. W. Norton and Company. Yu, X Competing risks analysis of japan.s small.nancial institutions., IMES Discussion Paper (2006-E-7). Wooldridge, J Econometric Analysis of Cross Section and Panel Data, MIT Press.

247 Nationaløkonomisk Tidsskrift 151 (2013): Debat og kommentarer Udviklingen i PISA for de tre skandinaviske lande Hans Bay Mail: [email protected] Indledning PISA står for Programme International Students Assessment og er en international undersøgelse, der gennemføres hvert tredje år i en lang række lande. Det er OECD (Organisation for Economic Co-operation and Development), der står for afviklingen af denne meget kendte undersøgelse. Designet for PISA undersøgelserne er meget kompliceret, og det internationale PISA konsortium har derfor udviklet 81 vægte, der skal benyttes, når man skal analysere PISA datasættene. Tilsvarende har det interna - tionale konsortium udviklet en række programmer (macroer), der tilsvarende kan benyttes til at analysere disse data. Trods den fantastiske udvikling i svartider for EDB er disse macroer endog meget tidskrævende at anvende. I denne artikel er derfor valgt at benytte de relativt nye programmer i SAS, surveymeans og surveyreg, med tilhørende replikationsvægte. Der er fokuseret på tre baggrundsvariable som har vist sig at være meget determinerende i alle lande, når man skal udpege de baggrundsfaktorer, som kan forklare PISA resultaterne nemlig køn, etnicitet og social arv. I den offentlige debat har man ofte sammenlignet Danmark med topscorerlandene i PISA. Hvilket vil sige, at man har sammenlignet Danmark med Shanghai-Kina, Singapore og Finland. Det synes mere naturligt at vælge lande, der umiddelbart kan sidestilles med Danmark. Der er derfor valgt at fokusere på de tre skandinaviske lande Danmark, Norge og Sverige. PISA s stikprøvedesign Hvert tredje forår gennemføres PISA i stadig flere lande. Blandt de unge mennesker, der fylder 15 år i det pågældende år og som går i skole, udvælges en stikprøve af størrelsesorden elever pr. land. Disse elever deltager i to test hver af en times varighed, der omfatter enten læsning, matematik eller naturfag. Endvidere udfylder eleverne et baggrundsskema. Der er en række krav til stikprøveudtrækket. Eksempelvis skal det omfatte mindst 150 skoler fra det pågældende land, og maksimalt 28 elever fra den udvalgte skole må deltage. PISA undersøgelserne tiltrækker sig altid stor op-

248 248 NATIONALØKONOMISK TIDSSKRIFT NR.2 1,4 Design of effect (DEFF) 1,35 1,25 1,2 1,15 1,1 1,05 1 0,95 0,9 Danmark Norge Sverige år 2000 år 2003 år 2006 år 2009 Figur 1. Matematik score PISA Kilde: Egne beregninger. mærksomhed, når de offentliggøres. En del af forklaringen er formentlig, at der er en uundgåelig rangliste af de involverede lande. Her betragtes de tre skandinaviske lande for at se, om der er en forskel blandt disse lande. Stikprøvedesignet må betegnes som relativt kompliceret. Princippet i designet er, at man indledningsvis inddeler landets skoler i en række strata. Derefter udvælges skolerne som regel ved en proportional udtrækning i de enkelte strata. Efter at skolerne er udtrukket, vælges eleverne simpelt tilfældigt, idet man som regel har en maksimal grænse på 28 udtagne elever pr. skole. Endelig er der krav om, at antallet af skoler skal være mindst 150 samt et minimumskrav for udtagne elever, som er baseret på landets størrelse. Så designet er en blanding af stratifikation, klyngeudvælgelse samt en række lokale betingelser. For at tage hensyn til designets komplekse karakter har det internationale PISA konsortium udviklet 80 balanced repeated replication (BBR) 1 vægte samt en mere traditionel elev-vægt, som skal bruges, når man vil analysere data og beregne de rigtige usikkerheder på parameterestimaterne. Altså i alt 81 vægte. De første 80 vægte skal især bruges, når man skal have inkluderet usikkerheden for, at man har taget en stikprøve. Den sidste vægt (også kaldet final student vægt) bruges, når man skal kompensere for, at stikprøven kan være udtrukket skævt. 1.PISA Data analysis, OECD kan hentes fra

249 DEBAT OG KOMMENTARER 249 Stikprøvedesignet i de enkelte lande Når man skal vurdere et stikprøvedesign, vil man ofte sammenligne den aktuelle stikprøveplan med den, hvor man har indsamlet simplet tilfældigt. Dette gøres vha. af nedenstående formel, som er benævnt»design of effect«(deff). n n i=1 W 2 i DEFF = her angiver W i final student vægt ( n i=1 W i )2 For en simpel tilfældig stikprøve, hvor responsraten er 100%, vil DEFF være lig 1. Så DEFF vil være et mål for, hvor meget stikprøven skal øges for at opnå samme sikkerhed som en simpel tilfældig stikprøve. Som hovedregel er DEFF ca. 1,1, hvilket betyder, at man med en stikprøve på ca. 10% mindre vil kunne opnå samme resultat, hvis stikprøven kunne være udtrukket simpelt tilfældigt. I 2009 er Danmarks DEFF steget til 1,37 hvilket er udtryk for, at man har ønsket at oversample skoler med mange etniske elever. Hvorvidt denne drastiske ændring af designet har haft betydning for de danske resultater, er diskuteret tidligere. 2 Opgavesammensætningen Når man sammenligner forskellige landes testresultater, sker dette ved at tage gennemsnittet af elevernes besvarelser i de enkelte lande. For at sammenligningen skal være fair, kræver det dels, at eleverne er udtrukket på samme måde i de enkelte lande, og dels at opgaverne er konstrueret og formuleret således, at landene ligestilles. Det er især vedrørende udvælgelse af opgaver, at der har været rettet international kritik mod PISA. Svend Kreiner har i en kommende artikel 3 påvist, at den traditionelle Rasch model ikke er brugbar til at analysere det internationale PISA datasæt fra Og dermed er den rangfordeling, som det internationale PISA konsortium producerer, ikke valid. Det internationale PISA konsortium er, naturligvis, ikke enig i Kreiners kritik, og der vil sikkert stadig være en længere varende diskussion om dette. I det følgende er det antaget, at forudsætninger for sammenligning af landene er holdbar. Datasættet Når elevernes resultater bliver beregnet, sker dette ved, at den enkelte elev får tillagt 5»plausible values«benævnt som PV. Gennemsnittet af disse 5 værdier vil som regel 2. Bay, H. (2011). Udviklingen I matematik målt i de danske PISA rapporter. Nationaløkonomisk Tidsskrift 149 (2011): Kreiner, S. (2013). Analyses of model fit and robustness: A new look at the PISA scaling model underlying ranking of countries according to reading literacy. Psychometrika 2013.

250 250 NATIONALØKONOMISK TIDSSKRIFT NR.2 Tabel 1. Resultater for de tre skandinaviske lande vedr. hoveddomænet. I parentes er angivet usikkerheden. For 2009 er usikkerhederne også beregnet med brug af makroer fra det internationale PISA konsortium. PISA Hoved domæne Læsning Matematik Naturfag Læsning Danmark (2,28) (2,62) (3,03) (2,01) (2,07) Norge (2,74) (2,32) (3,07) (2,48) (2,58) Sverige (2,08) (2,50) (2,30) (2,83) (2,72) Kilde: Egne beregninger baseret på de officielle PISA datasæt downloadet fra blive betragtet som denne elevs score for det pågældende domæne, som enten er læsning, matematik eller naturfag. Og hvis man tager gennemsnittet af de 5 PV er og derefter gennemsnittet af alle elever, får man landets resultat for det pågældende domæne. Når man så skal analysere data og have de rigtige, beregnede usikkerheder på estimaterne, lyder opskriften, at for hver PV og for hver af de 80 BBR vægte skal der køres den pågældende analyse. Dette betyder, at en traditionel regressionsanalyse, hvor man vil forklare scoren som funktion af den sociale arv, skal køres 400 gange, og derefter skal man beregne usikkerheder på estimaterne på basis af disse 400 kørsler. Dette er en tidskrævende proces. Det internationale PISA konsortium har udviklet en lang række macroer (både i SAS og SPSS), der kan håndtere denne teknik. Tidsforbruget, når man kører disse macroer, er dog stadigvæk relativt stort. I SAS har man udviklet en række procedurer (surveymeans og surveyreg), som direkte kan benytte de 80 designvægte i kombination med student final vægt. I denne artikel er medmindre andet er nævnt kørslerne baseret på procedurerne fra surveymeans og surveyreg fra SAS. I hver PISA runde bliver der testet i domænerne læsning, matematik og naturfag. I hver runde er der et af de tre domæner som alle elever bliver testet i, et såkaldt hoveddomæne. Selve scoren for de pågældende domæner er udviklet således, at gennemsnittet for alle OECD lande er ca. 500, og den tilhørende spredning er ca Beregningerne er, når ikke andet er angivet, udregnet ved hjælp af procedurerne surveymeans og surveyreg i SAS. I ovenstående tabel er der også beregnet usikker -

251 DEBAT OG KOMMENTARER 251 Tabel 2. Baggrundsskemaets 12 spørgsmål. Baggrundsskema Antal felter Er du dreng eller pige? 2 Hvad er din mors arbejde? Tekst Hvad beskæftiger din mor sig med på arbejde? Tekst Hvad er den højeste skoleuddannelse, din mor har udført? 4 Har din mor nogen af følgende er erhvervsuddannelser 4 felter der hver består af ja/nej Ovenstående gentages for faderen I hvilket land blev du og dine forældre født? 3 felter for henholdsvis elev, mor og far Hvilket sprog taler du meste af tiden hjemme? 1 kryds blandt en række muligheder Hvor mange bøger har I derhjemme? 6 Kilde: her er taget udgangspunkt i det danske skema fra PISA heden ved hjælp af macroer fra OECD s hjemmeside. Dette gælder for året Det ses, at der i praksis ikke er forskel på de udregnede usikkerheder. I samtlige PISA undersøgelser fremgår det, at køn, etnicitet og den sociale arv er signifikante variable, når man skal forklare PISA scoren. Alle baggrundsvariable er indsamlet ved, at eleverne (i pausen mellem de to prøver) udfylder et baggrunds - skema. Det er værd at notere, at ingen baggrundsoplysninger er indsamlet fra registre. Alle oplysninger er fra eleverne selv. Dette gøres selvfølgelig, fordi man ønsker en ens artet indsamling af oplysninger (princippet er, at man bruger samme vægt til at måle de enkelte lande). I det baggrundsskema, som eleverne skal udfylde, er der som hovedregel fire valgmuligheder at sætte kryds ved. Enkelte gange skal de skrive en mindre tekst, f eks. når de skal beskrive deres forældres arbejde. I ovenstående tabel 2 er vist formuleringen af de 12 spørgsmål, som danner grund - laget for de tre baggrundsvariable, det er valgt at bruge i denne artikel. Det international PISA konsortium har udarbejdet to variable vedr. social kapital og etnicitet. ESCS variablen står for index of economic, social and cultural status og er baseret på elevernes oplysninger om forældrenes uddannelse, arbejde og antallet af bøger i hjemmet. Denne variabel er konstrueret, så den følger en normalfordeling med middelværdi nul og spredning på Der er også udviklet en variabel, der er betegnet migration status, og som inddeler elev populationen i»native«,»second-generation«og»first-generation«. I det følgende er second-generation og first-generation slået sammen. 4. The Programme for International Student Assessment (PISA) index of economic, social and cultural status was created on the basis of the following variables: the International Socio-Economic Index of Occupational Status (ISEI); the highest level of education of the student s parents, converted into years of school - ing; the PISA index of family wealth; the PISA index of home educational resources; and the PISA index of possessions related to»classical«culture in the family home. (

252 252 NATIONALØKONOMISK TIDSSKRIFT NR.2 Tabel 3. Estimater for social arv, køn og etnicitet for de tre skandinaviske lande Niveau ESCS Køn Migrant Matematik Social kapital 1 = dreng 1 =»national«2 = pige 2 =»anden etnisk herkomst«( ) ( ) ( ) ( ) R 2 Danmark 527,1 42,2 14,1-39,0 (7,4) (2,0) (2,7) (5,8) 21,0 Norge 496,4 42,9 6,4-33,9 (8,0) (1,6) (2,6) (5,2) 16,4 Sverige 538,7 38,9 5,2-41,4 (8,9) (1,9) (5,2) (6,9) 18, Naturfag Niveau ESCS Køn Migrant Danmark 531,9 34,6 8,1-53,8 (8,6) (1,8) (2,9) (7,1) 17,5 Norge 522,1 33,6-3,7 ns -38,6 9,9 (9,8) (2,1) (3,0) (7,8) Sverige 547,9 35,0-0,4 ns -44,9 (6,8) (2,0) (2,5) (4,0) 13, Læsning Niveau ESCS Køn Migrant Danmark 571,6 33,9-30,2-36,9 (5,4) (1,3) (2,3) (3,3) 20,7 Norge 596,4 35,2-48,9-32,4 (6,8) (2,0) (2,5) (4,8) 18,0 Sverige 599,8 10,0-44,6-41,0 (7,3) (2,0) (2,2) (5,9) 21,8 Note: NS = non signifikant. Det er først fra PISA 2003 at det internationale konsortium har udviklet indekset ESCS. Så i det følgende arbejdes alene med undersøgelser fra 2003, 2006 og Model for scoren som afhængig af social kapital, køn og etnicitet For årene 2003, 2006 og 2009 samt for hvert land opstilles følgende: Score i = + * ESCS i + * køn i + * migrant i (1) i = 1,.. antallet af elever i det pågældende land. ESCS er tidligere beskrevet. Køn og migrant er dummy variable. Scoren er gennemsnittet af de 5 PV er.

253 DEBAT OG KOMMENTARER Matematik score Danmark Norge Sverige Dreng Pige Figur 2. Resultater fra PISA Matematik opdelt på køn og land. For samtlige domæner i de tre sidste PISA runder er den sociale kapital, køn og etnicitet klart signifikante med undtagelsen domænet naturfag i 2006 (Sverige og Norge) hvor køn er blevet insignifikant. Domænet matematik I figur 2 er vist scoren for matematik opdelt på køn for de tre lande. Data er fra PISA Naturfag score PISA Danmark Norge Sverige Dreng Pige Figur 3. Resultater fra PISA Naturfag opdelt på køn og land.

254 254 NATIONALØKONOMISK TIDSSKRIFT NR.2 Læsning score PISA Danmark Norge Sverige Dreng Pige Figur 4. Resultater fra PISA Læsning opdelt på køn og land. For alle lande er drengenes score højere end pigernes, og dette gælder også, når der korrigeres for social kapital og etnicitet. Ud fra tabel 1 må det vurderes, at den sociale kapital er relativt markant indenfor domænet matematik. Koefficienter mht. den sociale kapital er størst for dette domæne. Domænet naturfag I figur 3 er vist scoren for matematik opdelt på køn for de tre lande. Data er fra PISA Her er billedet mere varieret. Set på landsplan får drengene højere score end piger i Danmark og Sverige, mens det modsatte er tilfældet i Norge. Når man ser på resultaterne i tabel 3, så er kønseffekten signifikant i Danmark, men ikke i Norge og Sverige. Så her er der forskel på Danmark overfor de to øvrige skandinaviske lande. Dette kunne tyde på, at det er lykkedes for Norge og Sverige at eliminere kønsforskellen indenfor domænet naturfag. Domænet læsning I figur 4 er vist scoren for læsning opdelt på køn for de tre lande. Data er fra PISA Her er der en klar forskel på de to køn. Dette gælder faktisk for stort set alle lande i samtlige PISA runder. Kigger man på tabel 3, gælder også her, at der er en klar og signifikant kønsforskel mht. læsning.

255 DEBAT OG KOMMENTARER 255 Intraclass korrelation 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0 Finland Norge Island Polen Danmark Sverige Canada Bulgarien Tyskland Trinidad og Tobago Holland Slovenien Mauritius Ungarn Figur 5. De 7 lande med den mindste korrelation sammenstillet med de 7 lande med den højeste korrelation. Kilde: Kørsel på PISA datasættet fra 2009, med program udviklet af det internationale konsortium. Skoleeffekt I PISA sammenhæng kaldes intraclass korrelationen for p: Intraclass korrelationen er defineret som 2 between schools 2 = = 2 between schools + 2 within schools Variationen mellem skoler kaldes for 2 mens variationen indenfor skolerne kaldes for 2. Dermed bliver : Et tal mellem 0 og 1. I figur 5 er vist de 7 lande, der har den mindste intraclass korrelation sammenstillet med de 7 lande der har den højeste De skandinaviske lande samt Finland og Island er klart blandt de lande, hvor skoleeffekten er mindst. Så i de skandinaviske lande betyder det meget lidt (sammenlignet med andre lande), hvilken skole eleven går i. På trods af at skoleeffekten er relativ beskeden i de skandinaviske lande, så er den tilstede. I det følgende vil skoleeffekten blive belyst ud fra en residualanalyse. Residualanalyse Ud fra de modeller, der er estimeret i tabel 1, beregnes for hver elev i datasættene en

256 256 NATIONALØKONOMISK TIDSSKRIFT NR.2 residual, som er den observerede score minus den forventede score, givet at modellerne er korrekte. For hvert land/domæne udregnes et r i = residual for den i te elev. 1 R k = n k n k i=1 r i den gennemsnitlige elevs residual på skole k. Hvis R k er positiv, så har eleverne på den pågældende skole scoret højere end deres forventede placering, ud fra modellen (1). 1 ESCS k = n k n k i=1 ESCS i Køn k = andelen af piger på den k te skole. = den gennemsnitlige ESCS pr. elev på skole k. Migrant k = andelen af eleverne med anden etnisk herkomst på skolen. R k er et udtryk for skolens rangliste, når der er taget højde for eleverns social kapital, køn og etnicitet. Der opstilles derfor en model, der skal forklare placeringen ud fra elevernes baggrundsvariable R k = A + B* score k + C* Køn k + D* Migrant k k = 1,, antallet af skoler i det pågældende land (2) Helt overordnet er den sociale arv signifikant for alle lande og alle domæner. Undtagelsen er Sverige år 2006, hvor domænet er naturfag. Men ekskluderes de 10 skoler, som enten kun har piger eller kun drenge, er der et ensartet billede mht. den sociale arv. Så konklusionen er her entydig. De skoler som får en større andel af elever med høj ESCS, vil klare sig relativt bedre end øvrige skoler, også når der er korrigeret for de enkelte elevers sociale arv, køn og etnicitet. Som hovedregel er effekten af etnicitet insignifikant, hvilket kan fortolkes som, at skoler med en overvægt af elever med anden etnisk herkomst ikke vil klare sig dårligere end øvrige skoler, når der er korrigeret for de enkelte elevers sociale arv, køn og etnicitet. Konklusion Den sociale kapital (ESCS) som eleverne medbringer i skolen er klart den vigtigste baggrundsfaktor, når elevernes score skal beregnes. Dette gælder for alle tre domæner, læsning, matematik og naturfag, og billedet er ensartet for de tre skandinaviske lande.

257 DEBAT OG KOMMENTARER 257 De tre lande har en megen beskeden variation mellem skolerne ikke mindst, når man sammenligner med de øvrige lande i PISA undersøgelserne. Så alt andet lige vil der for den enkelte elev være en beskeden indflydelse på scoren, hvis eleven skifter skole. En del af den forskel der er på skolerne, kan forklares ved elevernes samlede sociale kapital. Så skoler med en overvægt af elever med høj social kapital vil samlet klare sig bedre end andre skoler, også når man har korrigeret for de enkelte elevers sociale kapital. Mht. etnicitet synes der ikke at være den samme effekt som med ESCS på skole - niveau. Bortset fra domænet matematik i Danmark er der ikke en signifikant effekt af andelen af elever, der er af anden etnisk herkomst, når der analyseres på skolernes sum af residualer. Så hvis man ønsker en beskeden variation mellem skolerne, skal man sikre, at skolerne har en ensartet fordeling mht. ESCS. De to øvrige baggrundsvariable køn og etnicitet har indflydelse for den enkelte elev. Når der er korrigeret for disse baggrundsvariable på elevniveau, så vil de ikke påvirke variationen mellem skolerne.

258 258 NATIONALØKONOMISK TIDSSKRIFT NR.2 Tabel Niveau ESCS Køn Migrant Matematik 1 = dreng 1 =»national«2 = pige 2 =»indvandrer«(a) (B) (C) (D) R 2 Danmark -84,8 29,7 24,7 ns 45,6 (28,3) (5,0) (13,3) (15,7) 15,5 Norge -36,6 ns 16,1 32,3-16,3 ns (31,6) (5,8) (14,7) (22,1) 7,3 Sverige 67,1 20,0-35,5-14,7 ns (26,3) (5,5) (15,3) (10,4) 12, Naturfag Niveau ESCS Køn Migrant Danmark -23,6 ns 36,1 6,7 ns 3,2 ns (27,2) (5,7) (14,2) (16,8) 18,1 Norge 42,9 ns 22,5-32,1 ns -0,9 ns (34,3) (6,5) (17,0) (20,7) 6,9 Sverige 106,5 10,2 ns -75,2 6,2 ns (27,6) (6,6) (15,6) (13,8) 11,6 Sverige 10 skoler ekskluderet 8,6 ns 35,3-22,4 ns 16,6 ns (37,0) (6,8) (20,8) (13,2) 14, Læsning Niveau ESCS Køn Migrant Danmark -8,2 ns 32,3-10,9 ns 15,3 ns (21,8) (4,2) (11,7) (7,9) 20,1 Norge -52,8 ns 29,4 1,0 ns 36,9 ns (35,6) (7,4) (21,5) (19,8) 9,7 Sverige -67,8 ns 36,4 43,4 4,9 ns (38,2) (6,3) (19,8) (16,3) 18,3

259 Nationaløkonomisk Tidsskrift 151 (2013): Fiskeri, økosystemtjenester og økonomi Lars Ravensbeck Institut for Fødevare- og Ressourceøkonomi, Københavns Universitet, mail: Hans Frost Institut for Fødevare- og Ressourceøkonomi, Københavns Universitet, mail: Peder Andersen Institut for Fødevare- og Ressourceøkonomi, Københavns Universitet, mail: 1. Indledning Danmarks Havstrategi blev færdiggjort i efteråret 2012 som et led i implementeringen af EU s havstrategidirektiv fra 2008, Naturstyrelsen (2013). Direktivet har til formål at opretholde eller skabe en såkaldt»god miljøtilstand«i alle EU s havområder senest i Det bygger på en økosystemtilgang, idet man i stedet for at regulere miljøtilstanden ved hjælp af enkeltparametre, f.eks. niveauer for miljøfarlige stoffer, ønsker at regulere ud fra en mere holistisk tilgang til økosystemet. På baggrund af en analyse af tilstanden af de danske havområder er der opstillet mål for miljøtilstanden. Disse mål er fastsat ud fra følgende 11 deskriptorer, for hvilke der er igen opstillet kriterier og indikatorer, EU-Kommissionen (2008): 1. Biodiversitet 2. Invasive arter 3. Fiskebestand 4. Havets fødenet 5. Eutrofiering 6. Havbunden 7. Hydrografi 8. Forurenende stoffer 9. Kvalitet af konsumfisk 10. Affald 11. Energi/støj Syv erhvervssektorer analyseres nærmere i baggrundsmaterialet for strategien, idet disse sektorer bidrager betydeligt til udnyttelsen af havområderne og den værdi, som skabes i den forbindelse: Fiskeri, akvakultur, skibsfart, offshore olie og gas, off shore vindmølleindustri, turisme og rekreative aktiviteter, samt råstofindvinding. Af disse er 3 sektorer: Fiskeri, akvakultur samt turisme og rekreation afhængige af miljøkvaliteten. Samtidig påvirker alle sektorer kvaliteten af havmiljøet i større eller mindre grad. Med hensyn til fiskeriet påvirker dette i negativ retning først og fremmest bestandsdynamikken og -størrelsen for en række arter, fødekædedynamikken pga. selektivt fiskeri samt havbundens integritet pga. trawling, herunder skader på rev.

260 260 NATIONALØKONOMISK TIDSSKRIFT NR. 2 Økosystemtilgangen støtter sig i høj grad til begrebet økosystemtjenester, der også omtales som økosystemydelser eller økosystem services. Begrebet økosystemtjenester og deres værdisætning i en dansk sammenhæng er gennemgået af Ravensbeck m.fl. (2013), og de følgende afsnit 2 og 3 bygger i nogen grad herpå. Økosystemtjenester kan defineres som økosystemernes bidrag til menneskelig velfærd og trivsel. Igennem en årrække har der været en kraftig stigning i interessen for økosystemfunktioner og -tjenester. Ikke mindst har FN s økosystemvurdering, Millennium Ecosystem Assess - ment (MEA) fra 2005 bidraget til interessen gennem opstillingen af en begrebsramme og ved gennemførelsen af den til dato mest omfattende evaluering af verdens økosystemer og økosystemtjenester. Hovedformålet var at vurdere de sociale og økonomiske konsekvenser af økosystemforandringerne samt tilvejebringe et videnskabeligt grundlag for bæredygtig udnyttelse af økosystemtjenesterne. Efterfølgende er der gennemført nationale evalueringer af økosystemerne og værdien af de tilknyttede tjenester, og man har lanceret studiet "The Economics of Ecosystems and Biodiversity" (TEEB 2010). Dette har bidraget væsentligt til belysning af området med en række undersøgelser af de økonomiske fordele af den biologiske mangfoldighed på globalt plan, herunder en vurdering af de omkostninger der følger af tab af biodiversitet og øko - systemtjenester. EU vedtog i 2011 en ny Biodiversitetsstrategi frem til 2020 med hovedformålet at standse tabet af biodiversitet og reduktionen af økosystemtjenester, EU-Kommissionen (2011). EU s arbejde på dette felt bygger desuden på nye mål og tiltag inden for en række andre beslægtede områder såsom den fælles fiskeripolitik, havstrategidirektivet og vandrammedirektivet, idet man her ønsker at fremme en mere økosystembaseret forvaltning. Økosystemtjenesterne for havområderne knytter sig til følgende: Fiskeri og akvakultur, vandkvalitet, rekreation herunder rekreativt fiskeri samt biodiversitet og natur- og kulturværdier. Der er næppe tvivl om, at der i fremtiden vil komme en øget fokus på havenes betydning for økonomi og menneskers velfærd og med et anderledes bredt syn end den traditionelle. Formålet med denne artikel er at give en bred forståelse for begrebet økosystemtjenester, sammenhæng mellem disse og fiskeriet og betydningen for fiskerireguleringen, af at der i fremtiden vil være et bredere perspektiv på havenes værdi, fiskeriets indflydelse og behovet for regulering. 2. Økosystemtjenesters økonomiske betydning 2.1 Begreber Millennium Ecosystem Assessment (MEA 2005) dokumenterer en tydelig relation mellem økosystemernes tilstand og tjenester og menneskers velfærd. Desuden fremlægger studiet den første alment udbredte klassificering af de forskellige økosystem-

261 DEBAT OG KOMMENTARER 261 Andre input Mennesker Økosystemer med strukturer, egenskaber og processer Økosystemfunktioner Økosystem- -tjenester Goder/ (tjenesteydelser) Værdier Figur 1. Sammenhæng mellem økosystemer, deres tjenester og værdier. tjenester, idet de opdeles i fire typer af tjenester: De forsynende økosystemtjenester bidrager til en række materielle goder såsom fødevarer, tømmer, drikkevand og energi (biobaseret); de regulerende består af økosystemernes kontrol og indvirkning på både det fysiske og biotiske miljø og regulerer bl.a. vand, luft, klima, bestøvning og kontrollerer skadedyr; de kulturelle er alle af ikke-materiel karakter og forudsætningen for rekreative, æstetiske og spirituelle goder; og endelig de støttende som understøtter de andre tjenester i form af fotosyntese, vand- og næringsstofkredsløb samt jorddannelse. Begrebet økosystemtjenester kan dog gøres mere operationelt, og derfor har man de seneste år arbejdet med den konceptuelle ramme. Man er i øjeblikket ved at afslutte arbejdet med en international standard for økosystemtjenester, CICES. En opdeling, som vist i figur 1, angiver en skitse over begreber og sammenhænge, Haines-Young and Potschin (2010 og 2013). Økosystemernes strukturer, egenskaber og processer udgør de grundlæggende fysiske og biologiske karakteristika, som ligger bagved øko - systemfunktionerne. Sidstnævnte har ligheder med økosystemtjenesterne, men adskiller sig på ét afgørende punkt; økosystemtjenesterne har direkte indflydelse på folks velfærd, hvilket økosystemfunktionerne ikke har. Begrebet goder skal her forstås bredt indeholdende fysiske produkter med eller uden en markedspris, mindre håndgribelige goder (f.eks. rekreation) med eller uden markedspris samt goder, der værdiansættes ale ne for deres eksistens. CICES omfatter kun tre hovedkategorier; de forsynende, de regulerende og vedligeholdende samt de kulturelle økosystemtjenester. De støttende økosystemtjenester er ikke inddraget, da der er tale om funktioner, hvis værdi kommer til udtryk gennem de efterfølgende tjenester. Det svarer til en opgørelse af værditilvækst i et bestemt erhverv eller af BNP, hvor man fratrækker de anvendte rå- og hjælpestoffer og derved undgår dobbeltregning, da disse indgår i værdien af den endelige produktion. Disse funktioner skal imidlertid stadig opretholdes i tilstrækkeligt omfang for at sikre velfungerende økosystemer.

262 262 NATIONALØKONOMISK TIDSSKRIFT NR. 2 Centralt for begrebet økosystemtjenester er den målgruppe, der nyder gavn af disse tjenester. Uden denne modtagergruppe er der ikke tale om tjenester, men om økosystemprocesser eller -funktioner. Dette aspekt udfordrer værdisætningen af tjenesterne; f.eks. kan to identiske naturarealer have meget forskellige rekreations- og herlighedsværdier udelukkende på baggrund af deres beliggenhed i forhold til befolkningscentre. Figur 1 viser sammenhængen mellem økosystemer, økosystemtjenester, goderne der produceres, modtagerne og den værdi, det giver for disse. En anden vigtig pointe er den klare adskillelse mellem goder og økosystemtjenester, som er nødvendig ved en korrekt værdisætning. Goderne produceres nemlig ofte ved en kombination af forskellige input, naturgivne såvel som menneskeskabte. Fiskeriet er et godt eksempel herpå, idet arbejdskraft (fiskere), kapital (fartøjer, redskaber og teknisk udstyr) og havets økosystemer tilsammen resulterer i fangsterne. Heraf bidrager havets økosystemer i fysisk forstand med tilvæksten for de arter, der har interesse for mennesket. Niveauet, sammensætningen og værdien af disse tjenester er imidlertid afhængig af både efter - spørgslen efter fiskeprodukterne, omkostningerne ved fiskeriet samt den konkrete regulering af fiskeriet. 2.2 Optimal produktion af økosystemtjenester Økosystemer kan økonomisk set betragtes som kapitalaktiver, der sammen med lagrene af vand, luft, mineraler osv. udgør beholdningen af naturkapital. Disse økosystemer giver et afkast i form af en strøm af tjenester til gavn for menneskers trivsel. Naturkapitalen kan forøges eller reduceres og derved påvirke værdien af økosystemtjenesterne. Flere forhold vanskeliggør en værdifastsættelse af disse. For det første er der en ufuldstændig viden om effekten af miljøforandringer eller miljøpolitiske tiltag på økosystemernes processer og funktioner og derved på mængden af økosystem - tjenester. Hvad vil for eksempel tiltag, der mindsker kvælstofudledningen, betyde for fiskearters tilvækst og i sidste ende for mulighederne i fiskeriet? Dernæst er der flere forhold knyttet til den økonomiske teori, der vanskeliggør estimeringen af økosystemernes værdi. Det optimale niveau af økosystemtjenester opnås, hvor det samlede udbud møder den samlede efterspørgsel. Den samlede efterspørgsel efter økosystemtjenester er summen af folks villighed til at betale for tjenester relateret til både markedsomsatte og til ikke-markedsomsatte goder, som vist i figur 2, Pearce (2007). I eksemplet ligger efterspørgslen efter ikke-omsatte goder på et højere niveau end den markedsmæssige efterspørgsel. Da begge produceres i samme økosystem, kan man her summere efter - spørgslen af markedsomsatte og ikke-markedsomsatte goder vertikalt i en samlet efterspørgselskurve, idet vi antager en samproduktion af markedsomsatte og ikke-mar-

263 DEBAT OG KOMMENTARER 263 Kr. Efterspørgsel ikke-marked Samlet efterspørgsel Marginale omkostninger Efterspørgsel marked 0 Kritisk niveau ØT-m ØT-i-m ØT* Strøm af økosystemtjeneste (ØT) Figur 2. Efterspørgsel og udbud af økosystemtjenester. kedsomsatte goder, og at de begge relaterer til den samme omkostningsfunktion (jointproduction). Efterspørgslen falder med strømmen af økosystemtjenester. Der er indtegnet et kritisk niveau på figuren, hvorunder der er risiko for økosystemkollaps eller en væsentlig reduktion af den menneskelige velfærd. Værdien pr. enhed ændres drastisk i nærheden af det kritiske niveau for de ikke-markedsomsatte økosystemtjenester, mens de markedsomsatte er upåvirkede af dette. Det er usikkert, hvor det kritiske niveau ligger, hvorfor det kan overvejes at anvende forsigtighedsprincippet i forbindelse med regulering. De marginale, samfundsmæssige omkostninger af økosystemtjenesterne svarer til udbudskurven, og de forventes at vokse med en kraftig stigende tendens. Det sker, fordi der ved en stigende naturbeskyttelse er en tendens til, at disse aktiviteter fortrænger menneskelige aktiviteter fra de mere produktive områder, og over et vist niveau vil det kræve en omfattende indsats at øge strømmen af økosystemtjenester yderligere. I visse tilfælde, herunder fiskeri, kan strømmen af økosystemtjenester simpelthen ikke øges ud over et vist niveau. De marginale omkostninger vil derfor efterhånden stige til et prohibitivt niveau. Det optimale niveau for økosystemtjenester vil være ØT-m, hvis der alene efterspørges markedsomsatte tjenester eller goder. Hvis der kun er tale om ikke-markedsomsatte økosystemtjenester, vil det optimale niveau være ØT-i-m. Dette vil dog kræve en regulering for at sikre en optimal produktion af ikke-markedsomsatte økosystemtjenester pga. fravær af et almindeligt marked. Endelig når begge typer af

264 264 NATIONALØKONOMISK TIDSSKRIFT NR. 2 tjenester efterspørges, vil det optimale niveau være ØT*. Da der forventes samproduktion, opnås her den mest omkostningseffektive produktion af de forskellige økosystemtjenester. Imidlertid kan man sjældent forvente rene win-win situationer, hvor der som i tilfældet med samproduktion er en snæver synergi mellem de relevante økosystem - tjenester. Oftest vil en stigning i én økosystemtjeneste være ledsaget af en reduktion i en anden. Det er tydeligst tilfældet, når udnyttelsen af et område intensiveres; f.eks. kan intensivt fiskeri forringe levesteder for dyr og planter, så områderne bliver mindre interessante ud fra et rekreativt synspunkt. Omvendt vil der være økosystemtjenester, der spiller positivt sammen, f.eks. muslingeproduktion, der kan bidrage til kvælstof - reduktion og derved bedre vandkvalitet. Selv om der må accepteres reduktioner i visse tjenester, vil en udvidelse af antallet af økosystemtjenester ofte give en forøgelse af den samlede værdi af disse tjenester og derved også et positivt bidrag til den menneskelige trivsel, Kellner m.fl. (2011). Spørgsmålet om, hvorvidt inddragelsen af flere tjenester giver et positivt nettobidrag, er karakteren af produktionsfunktionen for økosystemtjenester samt værdien af de enkelte tjenester, Lester m.fl. (2013). Således er der med stor sandsynlighed situationer, hvor den ovennævnte samproduktion eller flersidigt brug vil give den bedste løsning, og andre hvor fokus på en enkelt eller få udvalgte økosystemtjenester vil være optimalt. En arealmæssig adskillelse af øko - systemtjenester kunne være hensigtsmæssig, hvor sårbare og værdifulde arter eller bundstrukturer såsom rev stiller særlige krav til beskyttelse. Den økonomiske værdisætning søger at bestemme efterspørgslen. I analyser af miljøtiltags samfundsøkonomiske konsekvenser antager man normalt, at priserne på de forskellige tjenester er konstante, dvs. man ser kun på ganske små ændringer i mængden af tilgængelige økosystemtjenester i det overordnede billede. Men som figur 2 antyder, vil en væsentlig ændring af den producerede mængde af økosystemtjenester kunne ændre på prisen (lavere værdi pr. enhed), og man kan derfor overvurdere gevinsterne ved et bestemt tiltag, der søger at øge mængden af tjenester. 2.3 Værdisætning af økosystemtjenester Værdisætning af økosystemtjenester tager udgangspunkt i en nytteetisk opfattelse med fokus på menneskets behov. Der inddrages imidlertid også en række ikke-brugsværdier, der kan have symbolsk og»spirituel«karakter. Formålet er at gøre miljø- og naturydelser sammenlignelige med andre økonomiske goder. Når man skal vurdere et miljøtiltags samfundsøkonomiske effekt, må man se på den samlede økonomiske værdi af dette tiltag gevinster såvel som omkostninger. Miljø- og naturgoder skaber en række værdier for mennesker, afspejlet i direkte brugsværdier, indirekte brugsværdier, optionsværdier samt ikke-brugsværdier bestående af eksistensværdier og arveværdier,

265 DEBAT OG KOMMENTARER 265 Økosystemer Trin 1: Afgrænsning af økosystemer der skal værdisættes Forsynende tjenester Regulerende tjenester Kulturelle tjenester Trin 2: Estimering af økosystemtjenester i fysiske størrelser Direkte brugsværdier Indirekte brugsværdier Optionsværdier Ikke-brugsværdier Trin 3: Økonomisk værdisætning Samlet økonomisk værdi Trin 4: Aggregering og sammenligning af forskellige værdier Økosystemtjenesternes andel af økonomisk værdi Hvis muligt: Estimering af økosystemtjenesternes andel Figur 3. Tilgang til værdisætning af økosystem og deres tjenester. Note: Modificeret efter Hein m.fl Bateman m.fl. (2011). De tre hovedtyper inden for økosystemtjenester indeholder alle flere forskellige, men dog ikke alle værdityper, som det fremgår af figur 3. Økosystemer vil normalt kunne yde en række forskellige typer af tjenester, og disse kommer oftest i bundter, som ikke kan adskilles, som det fremgår af figur 3. Da goderne ofte bliver til i en kombination af forskellige input, består opgaven således i at adskille økosystemernes bidrag fra de øvrige. Udgangspunktet for værdisætning af økosystemtjenester i et område eller for et miljøtiltags virkning på disse er en fysisk kvantificering og afgrænsning af de ændringer, der forventes. Den økonomiske værdi vurderes med udgangspunkt i individernes præferencer målt ved betalingsvillighed. Det antages, at den enkeltes præferencer kan aggregeres, så de samlede samfundsmæssige gevinster er summen af individernes gevinster, og de samfundsmæssige omkostninger er summen af individernes og virksomhedernes omkostninger. Findes en markedspris, anvendes denne, mens en række miljø- og naturgoders værdi opgøres enten i form af konsumentoverskuddet eller ændringen i konsumentoverskuddet, Freeman (2003). Værdisætning af økosystemtjeneste opdeles ligesom for miljø- og naturgoder i præferencebaserede og ikke-præference - baserede metoder. Sidstnævnte består af omkostningsbaserede prissætningsmetoder og tager f.eks. udgangspunkt i omkostningerne ved at realisere en politisk bestemt målsætning eller ved at genoprette en tidligere miljøtilstand. Disse metoder estimerer imidlertid ikke den reelle værdi af et gode, og de skal derfor bruges med varsomhed. De præferencebaserede værdisætningsmetoder tager udgangspunkt i individers præferencer manifesteret som den betalingsvillighed, folk ville have udvist, hvis godet

266 266 NATIONALØKONOMISK TIDSSKRIFT NR. 2 var blevet omsat på et marked. De præferencebaserede metoder består af direkte og indirekte metoder. De direkte metoder forsøger at afsløre værdien ved hjælp af interview og eksperimenter, især bruges de såkaldte betingede værdisætningsmetoder eller valghandlingseksperimenter. De indirekte metoder fastsætter værdien ud fra efterspørgs - len efter markedsgoder, som er komplementære eller substitutter til relevante miljø- og naturgoder. Eksempler på denne tilgang er husprismetoden og rejseomkostnings - me toden, der bl.a. har været anvendt til at estimere værdien af rekreation og turisme, Freeman (2003). Der er i de senere år gennemført et stigende antal værdisætningsundersøgelser i Danmark for flere af de relevante økosystemtjenester især relateret til den terrestriske biodiversitet, Ravensbeck m.fl. (2013). Da værdisætningsundersøgelser er ressourcekrævende, er der stor interesse for de såkaldte»benefit Transfer«metoder, der på forskellig vis forsøger at overføre estimater fra udførte studier til et bestemt projektområde. Igen findes flere tilgange: overførsel af lokalitetsestimater samt overførsel ved brug af estimerede benefit-funktioner. Endvidere kan man i stedet for at overføre bene fit-funktioner fra et enkelt studie anvende resultater fra mange forskellige studier i en såkaldt meta-analyse. 3. Status for værdisætning af marine økosystemtjenester i Danmark Det marine område er ikke så velundersøgt som det terrestriske. Med hensyn til de forsynende tjenester, dvs. fiskeri og akvakultur, foreligger der dog en del viden. Der - imod er de regulerende økosystemtjenester stor set ikke undersøgt for de marine område og de kulturelle kun i meget begrænset omfang. Den samlede danske fiskefangst kan variere fra år til år især pga. varierende fangster af industrifisk. I treårsperioden i fangede man i gennemsnit 774 tusind tons svarende til en værdi af 2,8 mia. kr., Andersen m.fl. (2012). Den samlede produktionsværdi giver imidlertid ikke et korrekt billede af de forsynende økosystemtjenesters værdi. For fiskeriet kan værdien derimod opgøres som ressourcerenten, som er det samfundsøkonomiske overskud, der resterer, når kapital, arbejdskraft og andre driftsudgifter er aflønnet som i alternativ anvendelse. Ressourcerenten opgøres forudsat, at man kun høster tilvæksten og ikke øger eller reducerer fiskekapitalen, idet dette ville undervurdere hhv. overvurdere den egentlige størrelse. Ressourcerenten beregnes ikke rutinemæssigt, da det kræver en del modelarbejde. Det vanskeliggøres bl.a. af, at fiskebestande ofte deles mellem flere lande og mellem forskellige fartøjstyper, der ofte fisker på flere forskellige arter samtidig. Ressourcerenten vil variere pga. bestandsmæssige forhold såsom ynglesucces og vækst, prisvariation og ikke mindst i forhold til reguleringen af fiskeriet. Eksempelvis vil ressourcerenten på langt sigt være 0 i et frit fiskeri. Det vurderes, at en ressourcerente på op til 40-50% af fangstværdierne kan opnås ved en optimal forvaltning, Verdensbanken og FAO (2008).

267 DEBAT OG KOMMENTARER 267 En række studier har omhandlet størrelsen af ressourcerenten under en række forsimplende antagelser, se Ravensbeck m.fl. (2013). Den samlede ressourcerente for det danske fiskeri er vurderet til mellem 2 og 5% af omsætningen i fiskeriet for perioden Ved forbedret regulering kan den forøges til omkring 916 mio. kr. pr. år, og den vil kunne stige yderligere, hvis bestandene i EU farvandene vokser. Ressourcerenten er estimeret for en række afgrænsede fiskerier: Den danske del af pelagiske fiskerier i Nordøstatlanten, muslingefiskeriet i Limfjorden samt torskefiskeriet i den østlige Østersø. For førstnævnte er der beregnet en ressourcerente for 2007 på 121 mio kr. for den danske del af dette fiskeri. Det forventes, at et optimalt fiskeri kunne give i alt 315 mio. kr. årligt for sild, makrel og for industrifiskeriet alene i den danske del af dette havområde, som deles med fire andre lande. For muslingefiskeriet i Limfjorden var ressourcerenten i gennemsnit for på 80 mio. kr. med et potentiale på 92 mio. kr. Med hensyn til torskefiskeriet i den østlige Østersø blev ressourcerenten estimeret til 82 mio. kr. ( ), mens der for hele fiskeriet (flerartsfiskeri) opnåedes en ressourcerente på 216 mio. kr., Lassen m.fl. (2013). Ved optimal forvaltning kunne der opnås hhv. 231 mio. kr. og 597 mio. kr. Produktionen i dansk akvakultur har i de sidste par årtier ligget på omkring tons til en værdi af ca. 1 mia. kr. for 2008, Nielsen og Nielsen (2010). Akvakultur byg - ger ikke i samme grad på økosystemtjenester som havfiskeriet, men overvejende på arbejdskraft og kapital samt foderstoffer, der er produceret uden for erhvervet. Disse foderstoffer bygger selvfølgelig i sidste ende på forsynende økosystemtjenester fra havfiskeriet (fiskemel- og olie) eller landbruget (vegetabilske foderblandinger). Akvakulturen afhænger dog også i nogen grad af regulerende økosystemstemtjenester, idet der udledes næringsstoffer og organisk materiale. De regulerende og vedligeholdende økosystemtjeneste består af en række tjenester, som bidrager til at reducere eller undgå skader, bidrager globalt til et gunstigt klima, til produktionen samt til rekreation eller immaterielle værdier såsom eksistensværdier ved opretholdelse af økosystemers funktioner og strukturer. For det marine område er disse ikke undersøgt i dansk sammenhæng, men de kunne inkludere følgende, Ravensbeck m.fl. (2013): Bio-remediering 1 samt fortynding og binding af forurening og organisk materiale. Reguleringen af strømme, der kan forårsage skader i form af oversvømmelser og jordskred. Vådområder, strandenge og ålegræsbevoksninger i kystnære områder kan bidrage til kystsikring. Opretholdelse af livscyklus, habitater og genpuljer for havets flora of fauna. 1. Bio-remediering er mikrobiel (især bakteriel) nedbrydning af forurenende stoffer.

268 268 NATIONALØKONOMISK TIDSSKRIFT NR. 2 Klimaregulering: Kulstofreduktion er velundersøgt for terrestriske økosystemer, men ikke for de marine. De regulerende tjenester vedrørende vandkvaliteten drejer sig først og fremmest om reduktioner af kvælstofmængden i de indre farvande. Havets og de kystnære øko - systemer bidrager væsentligt til denne reduktion. Værdisætningsstudier af kulturelle økosystemtjenester har været stigende i Danmark de seneste 20 år, men primært rettet mod naturbeskyttelse, biodiversitet, herlighedsværdier og rekreation for terrestriske områder. For det marine område i Danmark kendes ikke værdisætningsstudier bortset fra et studium af lystfiskeriet. Den sam funds - økonomiske værdi af lystfiskeri blev i 2010 estimeret ud fra et gennemsnitligt årligt forbrug på kr. (inkl. fiskegrej og transport) svarende til et samlet national forbrug på 2,5 milliarder kr. pr. år ved lystfiskere. Endvidere viste et betalingsvillighedsstudie, at lystfiskernes forbrugsoverskud, dvs. hvor meget de er villige til at betale udover det, de forbruger, nu er 736 kr. pr. år. pr. lystfisker, Fødevareministeriet (2010). 4. Imod en økosystemtilgang ved forvaltning af marine ressourcer. Bioøkonomiske modellering er et veletableret felt inden for fiskeri- og naturressourceøkonomien og kan dateres tilbage til Warmings arbejde om optimalt fiskeri fra 1911, men har især udviklet sig siden 1950erne, hvor der blev givet vigtige bidrag fra Gordon, Scott, og Schaefer, se Frost, Andersen, og Hoff (2011). De konventionelle bio økonomiske modeller handler imidlertid udelukkende om de forsynende økosystemtjenester i form af fiskefangster og omfatter typisk en enkelt art. I det mest simple tilfælde består en bioøkonomisk model af en biologisk vækstfunktion, der interagerer med en produktions- og en omkostningsfunktion. De enkle bio-økonomiske modeller kan dog ikke vurdere, hvordan fiskeriet påvirker samspillet mellem arterne, biodiversiteten og økosystemfunktionerne og dermed de øvrige økosystemtjenester. I sådan en simpel model vil økosystemet ud over den enkelte art være samlet i én enkelt parameter. Gennem en årrække har man arbejdet på modeller, der bedre afspejler den komplekse virkelighed ved at inddrage flere arter eller andre værdier i modellerne end de fiskerimæssige. Figur 4 viser et kontinuum af forskellige fiskeriforvaltningsformer med stigende kompleksitet og frit fiskeri som udgangspunkt. Man kan tale om en økosystembaseret forvaltning i sin simpleste udgave, når man opgiver fokus på den enkelte art og inddrager mindst to arter, som så interagerer i et rovfisk-byttefisk forhold. De bio-økonomiske modeller for de første trin i figuren er velafprøvede. Det drejer sig om

269 DEBAT OG KOMMENTARER 269 Økosystembaseret fiskeriforvaltning Frit fiskeri Indsats/effort reguleret fiskeri Optimalt enkeltartsfiskeri Optimalt flerartsfiskeri Optimalt flerartsfiskeri + øvrige værdier/skader Integreret marin forvaltning Kompleksitet Fiskeriforvaltningsformer Figur 4. Kontinuum af forvaltningsformer der viser økosystemtilgangen. Note: Modificeret efter Kellner m.fl. (2011). det frie fiskeri, det indsats- eller effort-regulerede fiskeri, det optimale enkeltarts - fiskeri samt visse aspekter af to-artsmodeller, der interagerer i det nævnte rovfisk-byttefisk forhold. Derimod er der endnu en begrænset litteratur, der behandler mere komplekse dele af den økosystembaserede forvaltning, dvs. fiskeri af flere end to arter, der interagerer, inddragelse af fiskeriets mulige skader på de marine økosystemer og bundstrukturer samt inddragelse af rekreative værdier og ikke-brugsværdier, der kunne fordre f.eks. en forøget hensyntagen til og beskyttelse af marine havpattedyr og havfugle. Endelig som det mest komplekse tilfælde kan man se på en samlet og integreret marin forvaltning, som inkluderer de for fiskeriet eksterne faktorer såsom kvælstofforurening fra landbruget, råstofudnyttelse og skibssejlads. Med en lidt forenklet, men samtidig informativ vinkel, kan man beregne værdien af en række udnyttelsesmuligheder for en given fiskeart. Hannesson og Herrick (2010) har udviklet en model for sardinbestanden i den del af Stillehavet, som ligger langs den nordamerikanske kyst (California Current). Modellen kan ses som et skridt mod et værktøj til økosystembaseret fiskeriforvaltning. Den estimerer værdien af sardiner som kommerciel fangst versus værdien som bytte for en række rovdyr, nogle af kommerciel værdi som laks og tun og andre udelukkende med rekreativ værdi eller eksistensværdi f.eks. havpattedyr, eksempelvis sæler eller hvaler. Modellen vurderer, hvorledes den samlede nettoværdi af sardiner påvirkes af følgende forhold: ændringer i priserne på sardiner, priserne på rovfiskene, de ikke-kommercielle værdier, fangst - omkostningerne samt den økologiske effektivitet, altså hvor stor en del af biomassen rovfiskene/rovdyrene konsumerer, der bliver omformet til egen biomasse. I korte træk har fangsten af sardiner til kommercielle formål således en ekstern omkostning, der skal tages i betragtning, når politikker for en optimal forvaltning af økosystemet bliver designet.

270 270 NATIONALØKONOMISK TIDSSKRIFT NR. 2 En væsentlig årsag til, at komplekse modeller for økosystembaseret forvaltning ikke har vundet mere indpas, er manglen på viden om de biologiske og økologiske forhold og deres indvirkning på de relevante økosystemtjenester. Endvidere betyder inddragelsen af flere faktorer, at der ikke kan gives eksakte, analytiske løsninger på modellerne. Derimod kan der i konkrete situationer på empirisk grundlag opnås indsigt i samspillet mellem de enkelte økosystemtjenester, hvorved der kan bidrages til udformningen af en økosystembaseret forvaltning af havets ressourcer. Kellner m.fl. (2011) undersøgte således en række af de ovenfor illustrerede forvaltningsformer i et økosystem (koralrev), hvor der fiskes kommercielt på tre arter (en rovfisk og to byttefisk). Des uden omfatter undersøgelsen også nogle ikke-markedsomsatte økosystemtjenester fra de fiskede arter af regulerende og kulturel art, såsom regulering af plantevækst på koraler, rekreation og bidrag til biodiversiteten. Det generelle billede viser, at der ved inddragelsen af flere økosystemtjenester vil ske en (mindre) reduktion af værdien af de enkelte tjenester, men til gengæld øges den samlede værdi. Selv om det oftest vil give et positivt nettobidrag at inddrage flere økosystemtjenester i opgørelserne, vil der som nævnt i afsnit 2 være specialtilfælde, hvor en optimal forvaltning bør fokusere på en enkelt tjeneste. En af de større udfordringer i den økosystembaserede tilgang er afvejningen af fiskeriaktiviteterne imod de forskellige værdier, der er tilknyttet bevarelsen af biodiversiteten. Sanchirico m.fl. (2013) vurderer mulighederne for eksplicit at kunne sammenligne en forøgelse af nævnte naturværdier med det tab, der må forventes i fiskeriet ved reduktion af fangsterne ud fra et konkret eksempel fra Alaska, hvor en forøgelse af bestanden af den truede Stellers søløve kan forventes tilvejebragt via hel eller delvis nedlukning af fiskerier på tre vigtige kommercielle arter (alaskasej, torsk og makrel). Betalingsvilligheden for en forøgelse af naturværdierne er søgt afdækket gennem et såkaldt valghandlingseksperiment, hvor et repræsentativt udsnit af befolkningen indgår. Usikkerheden er dog meget betragtelig, både hvad angår de biologiske relationer mellem arterne og de økonomiske faktorer, først og fremmest priserne og de anslåede betalingsvilligheder ved en forøgelse af bestanden. Ikke mindst er det meget afgørende, hvor stor en befolkning, der ligger til grund for opgørelsen af betalingsvilligheden. Er det således hele USA s befolkning, vil den samlede værdi af en forøget søløvebestand komme op i en størrelsesorden, der er sammenlignelig med værdien af de nævnte fiskerier. Beslutninger om at inddrage disse værdier vil derfor kunne få meget negative konsekvenser for fiskeriet. Der peges samtidig på det væsentlige forhold, at omkostningerne ved reduktionen af fiskeriet rammer isolerede lokalsamfund i Alaska, mens gevinsterne tilfalder en befolkning, der overvejende lever langt fra området. 5. Økosystemtilgang i et dansk eksempel I et forsøg på at konkretisere forvaltning af økosystemer foretages i det følgende en

271 DEBAT OG KOMMENTARER 271 simpel analyse. Analysen bygger på en bioøkonomisk model med aldersstrukturerede fiskebestande for bytte- og rovfisk og sigter på at vise nogle af de ændringer i et optimalt fiskeri, som sker, når man bevæger sig fra venstre mod højre (fra 0 til 4) i figur 4. Resultaterne nedenfor vises dog kun for rovfisken for at bevare overskueligheden. Inddrages flere arter og flere flåder kompliceres billedet betragteligt. Eksemplet tager udgangspunkt i torskebestanden i Nordsøen, hvor kvoten i de senere år har ligget mellem og tons. Med de herskende klimatiske forhold er der ikke udsigt til, at kvoten kan øges til mere end tons selv med en kraftig reduktion af fiskeriindsatsen. Under disse betingelser analyseres, hvad det betyder for udnyttelsen af torskebestanden, at der inddrages to elementer (eksternaliteter) med udgangspunkt i EU s havstrategi i forvaltningen af bestanden. Det ene element er den negative påvirkning af havbunden, som et trawlfiskeri kan medføre (Havstrategiens pkt. 6). Det andet element er den offentlige efterspørgsel efter et godt havmiljø eksemplificeret af havstrategiens pkt. 3 om bæredygtige fiskebestande. I analysen skelnes mellem erhvervets (fiskeriets) og samfundets interesser. Det antages i analysen, at erhvervet ikke inddrager ovennævnte eksternaliteter og således tilrettelægger fiskeriet uden at tage højde for de negative påvirkninger, mens samfundet inddrager disse forhold og regulerer fiskeriet under hensyn hertil. Figur 5 viser erhvervets tilpasning under frit fiskeri i et sædvanligt udbuds-efter - spørgselsdiagram (svarende til pkt. 0 i figur 4). Det skal bemærkes, at udbudskurven for fisk bøjer bagover i modsætning til, hvad der normalt antages i økonomien, nemlig at udbudskurven stiger fra venstre mod højre i hele forløbet. Årsagen er, at moderbestanden af fisk producerer et afkast, som stiger sammen med moderbestanden til en vis størrelse. Herefter aftager afkastet, selv om moderbestanden stadig vokser. Dette karakteriserer alle fornybare (gendannelige) naturressourcer med et relativt kort livsforløb (under 100 år). I det uregulerede fiskeri opstår ligevægten, hvor udbud og efter - spørgsel skærer hinanden; i figur 5 ved en pris på knap 20 kr. pr. kg og en fangst på ca tons. I den situation er moderbestanden lille. For samfundet, som ejer ressourcen, er den situation ikke hensigtsmæssig. Derfor kan der opnås samfundsøkonomiske gevinster ved at regulere. Under regulering bliver samfundets udbudskurve derfor anderledes end under frit fiskeri, hvilket ses i figur 6. Bemærk at denne udbudskurve svarer til de marginale omkostninger (udbudskurve) i figur 2. Efterspørgselskurven ændres ikke, og den nye skæring findes ved en pris på ca. 19 kr. pr. kg og en fangst på ca tons. Den underliggende moderbestand er også vokset i forhold til frit fiskeri. En sådan situation opnås imidlertid kun ved regulering af markedet (fiskerne), som ikke af sig kan tilpasse sig den tilstand. Samfundet kan anvende forskellige midler til at opnå den tilstand herunder kvoter, begrænsning af fiskeriindsatsen m.v.

272 272 NATIONALØKONOMISK TIDSSKRIFT NR. 2 Kr. pr. kg Tons Markedsudbud Markedsefterspørgsel Figur 5. Frit fiskeri. Kr. pr. kg Tons Markedsudbud Markedsefterspørgsel Samfundets udbud Figur 6. Samfundets udbud og efterspørgsel efter fisk.

273 DEBAT OG KOMMENTARER 273 Kr. pr. kg Tons Markedsudbud Markedsefterspørgsel Udbud med miljøomkostninger Figur 7. Frit fiskeri med omkostninger for skade på havbunden. Betragtes nu et frit fiskeri, således at samfundet pålægger fiskeriet at betale for den skade, som påføres havbunden, fås en tilpasning, som vist i figur 7. Når fiskeriet pålægges omkostninger svarende til skaden flyttes udbudskurve opad, og fiskeriet tilpasser sig ved en pris på ca. 17 kr. pr. kg og en fangst på ca tons. Det skal bemærkes, at det ikke er samfundets udbudskurver, som vises i de følgende figurer, men derimod erhvervets udbudskurver korrigeret for visse eksternaliteter. Hvis nu ønsket om bæredygtige bestande repræsenteret ved en offentlig efterspørgsel, jf. havstrategiens pkt. 3, inddrages i et frit fiskeri og under hensyn til, at skadevirkningern på havbunden inddrages, flytter udbudskurven yderligere opad som vist i figur 8. Efterspørgselen efter bæredygtighed kan tolkes på den måde, at forbrugerne finder det omkostningsfuldt, at bestandene falder. Det vil så flytte udbudskurven yderligere opad (eller markedsefterspørgselskurven nedad). I forhold til figur 7 flyttes skæringen til en lidt højere pris og en lidt lavere fangstmængde. Det er dog værd at bemærke, at i forhold til et frit fiskeri flytter skæringen mellem udbud og efterspørgsel til et højere fangstniveau, når økosystemomkostninger inddrages. Figur 8 skjuler imidlertid, at moderbestnaden skal vokse, for at det resultat kan opnås. Dette resultat ligner imidlertid meget resultatet fra figur 6, hvilket skyldes, at i figur 6 tager samfundet direkte hensyn til, at bestanden i et frit fiskeri (figur 5) ikke er optimal. Tages hensyn til forbrugernes præferencer for bæredygtige bestande, enten i

274 274 NATIONALØKONOMISK TIDSSKRIFT NR. 2 Kr. pr. kg Tons Markedsudbud Udbud med miljøomkostninger Markedsefterspørgsel Udbud med miljø- og off. omk. Figur 8. Frit fiskeri med omkostninger for skade på havbunden og på bestanden. form af en afgift på fiskeriet eller i form af, at forbrugerne direkte fravælger produkter fra ikke bæredygtige bestande (fald i efterspørgsel), bruges i realiteten blot andre midler. Tilskyndelse til fravalg af produkter fra ikke bæredygtige bestande ligger til grund for den efterhånden udbredte brug af certificering af bestande. Figur 9 viser det samfundsøkonomisk optimale fiskeri, når der henholdsvis kun ses på fiskeri, og når der inddrages økosystemtjenester. Løsningerne i dette tilfælde kan sammenlignes med løsningerne i figur 8, som viser løsningerne, når fiskerne på læg - ges at betale forskellige ekstraomkostninger ud over de rene fangstomkostninger. I figur 8 er der ikke taget hensyn til, at fiskerne berøver hinanden fangst, når fiskeriet er frit, også selv om de er pålagt ekstra omkostninger. I figur 9 er der taget højde for denne eksternalitet. Det betyder, at udbudskurverne ændrer sig. Den nederste højre kurve viser samfundets udbudskurve for fiskeriet alene, mens den øverste viser samfundet udbud, når alle omkostninger for økosystemet er medtaget. Inddrages disse omkostninger, falder udbuddet af fisk fra ca tons til ca tons. Når alle økosystemomkostninger er medtaget, er det naturligt at inddrage den øgede efterspørgsel som optræder i form af kulturelle tjenester f. eks. turisme. Antages, at omfanget af turisme er en funktion af fiskeriaktiviteten i form af landinger af fisk

275 DEBAT OG KOMMENTARER 275 Kr. pr. kg Tons Markedsefterspørgsel Markeds- og off. efterspørgsel Samfundets udbud S-udbud inkl. miljø- og off. omkostninger Figur 9. Optimalt reguleret fiskeri med og uden inddragelse af økosystemtjenester. der skal jo være noget at se på flytter markedsefterspørgselen opad. Det betyder, at det samfundsøkonomisk optimale udbud skal stige til ca tons (skæringen mellem den øverste efterspørgselskurve og den øverste udbudskurve). Det er ikke tanken her at gå dybere ind i konsekvenserne af dette og de krævede reguleringer. Hensigten er blot at vise nogle af de ændringer, som kan forventes, når fokus ændrer sig fra ren fiskeriregulering til regulering af hele økosystemet. 6. Afsluttende bemærkninger En stor del af verdenshavene er i dag påvirket betydeligt af menneskelige aktiviteter eller deres utilsigtede sideeffekter, hvoraf de vigtigste er kommercielt fiskeri, skibsfart, forurening samt klimaforandringer i form af temperaturstigninger og den medfølgende forsuring, Halpern m.fl. (2008). En række kystnære farvande heriblandt Nordsøen er i særlig høj grad påvirket af disse aktiviteter. I EU s nye fiskeripolitik er der en tydelig fokus på emner, der falder ind under begrebet økosystemtjenester, og der er derfor næppe tvivl om, at behovet for økonomiske analyser af positive og negative påvirkninger fra fiskeriet på miljøer vil være stigende, men samtidigt er det også vigtigt at have fokus på, hvorledes andre herunder landbruget og industrien påvirker havenes miljø og dermed økosystemtjenester, som dermed også påvirker fiskeriet. Netop

276 276 NATIONALØKONOMISK TIDSSKRIFT NR. 2 den brede økosystemtilgang vil ikke kun medføre begrænsninger i fiskeriet, men også i kraft af de langsigtede mål om god miljøtilstand kunne få en positiv indvirkning på fiskebestande og dermed fiskeriet. I EU fælles fiskeripolitik for lægger EU-Kommissionen op til, at fokus flyttes fra ren fiskeriregulering til større grad af økosystemforvaltning, EU-Kommis - sionen (2011). Der er således foreslået et yderligere generelt mål for den fælles fiskeri - politik: Der skal i den fælles fiskeripolitik indføres en økosystembaseret tilgang til fiskeriforvaltning for at begrænse fiskeriets indvirkning på det marine økosystem. Midlerne hertil skal blandt andet søges i havstrategidirektivets kriterier for god miljømæssig tilstand jf. afsnit 1. I en global sammenhæng er EU fælles fiskeripolitik meget veludviklet, og det kan diskuteres, hvor meget der ud fra de velfærdøkonomiske overvejelser, som ligger til grund, henholdsvis Millennium Ecosystem Assessment (MEA 2005) og The Economics of Ecosystems and Biodiversity (TEEB 2010), kan opnås ved at ændre fokus fra ren fiskeriregulering til økosystembaseret regulering. Det står imidlertid klart, at der kræves et endog meget omfattende forsknings- og udviklingsarbejde for at kunne implementere økosystembaseret regulering. Dette arbejde kræver ikke alene naturvidenskabelig (biologisk) indsigt, men i høj grad også økonomisk indsigt. For det første er det nødvendigt at identificere de elementer, som virker på henholdsvis omkostnings- og efterspørgselssiden, og om de virker negativt eller positivt. For det andet er det nødvendigt at kvantificere disse elementer. Mens det første er nogenlunde overkommeligt, kræver kvantificering store ressourcer, og EUs forordning taler derfor også om at anvende et forsigtighedsprincip, når dette ikke er muligt. De problemstillinger, som her er præsenteret, og de relativt simple analyser viser kompleksiteten. Og det bliver flere gange mere kompliceret, når interaktionerne mellem fiskebestandene og økosystemtjenesterne inddrages. Sammenfattende kan det siges, at ændring af fokus fra en mere snæver fiskeribaseret regulering til en økosystemregulering komplicerer analyser og valg af midler betragteligt. Litteratur Andersen, J. L., R. Nielsen, M. Nielsen, F. M. Laugesen, E. E. Ståhl, F. Jensen, H. Frost og P. Andersen. 2012: Fiskeriets Økonomi Fødevareøkonomisk Institut (nu Institut for Fødevare- og Ressource øko no - mi). Bateman, I. J., G. M Mace, C. Fezzi, G. Atkinson og R. K. Turner. 2011: Economic Analysis for ecosystem Service Assess ments. Environmental Resource Econo mics, 48: EU-Kommissionen Europa Parlamentets og Rådets direktiv 2008/56/EF af 17. juni 2008 om fastlæggelse af en ramme for Fællesskabets havmiljøpolitiske foranstaltninger (havstrategirammedirektivet). EFT L 164/ EU-Kommissionen Forslag til Europa Parlamentets og Rådets forordning om den fælles fiskeripolitik. KOM(2011) 425 endelig. EU-Kommissionen EU s Biodiver si -

277 DEBAT OG KOMMENTARER 277 tetsstrategi for Europa-kommissionen. 6 pp. December Freeman, A. M. 2003: The Measurement of Environmental and Resource Values: Theory and Methods, 2nd edn. Resources for the Fu ture, Washington, D.C. Frost, H., P. Andersen og A. Hoff An Application of Fisheries Economic Theory 100 years after Warming s paper: Rent of Fishing Grounds. Nationaløkonomisk Tidsskrift 149: Fødevareministeriet Analyse af adfærd, motiver og præferencer blandt danske lystfiskere. Udarbejdet som del af projektet Samfundsøkonomisk betydning af lyst - fiskeri i Danmark. Fødevareministeriet, COWI. 148 s. Haines-Young, R. og M. Potschin The links between biodiversity, ecosystem services and human well-being. In: Raffaelli, D. & C. Frid (eds.): Ecosystem Ecology: a new synthesis. Cambridge University Press, BES, p Haines-Young, R. og M. Potschin Common International Classification of Eco system Services (CICES): Consulta - tion on Version 4, August-December 2012, Report to the European Environment Agency. EEA Framework Contract No: EEA/ IEA/09/003. Halpern B. S., S. Walbridge. K. A. Selkoe, C. V. Kappel, F. Micheli, C. D Agrosa, J. F. Bruno, K. S. Casey, C. Ebert, H. E. Fox, R. Fujita, D. Heinemann, H. S. Lenihan, E. Madin, M. P. Perry, M. T. Selig, E. R. Spalding, M. Steneck og R. Watson A global map of human impact on marine ecosystems. Science 319, Hannesson, R. og S. F. Herrick Jr The value of Pacific sardine as forage fish. Marine Policy 34, Hein, L., K. van Koppen, R. S. de Groot og E. C. van Ierland Spatial scales, stakeholders andthe valuation of ecosystem services. Ecological Economics 57: Kellner, J. B, J. N. Sanchirico, A. Alan Hastings og P. J. Mumby Optimizing for multiple species and multiple values: trade-offs inherent in ecosystem-based fisheries management. Conservation Letters 4, Lassen, H., S. A. Pedersen, H. Frost og A. Hoff Fishery management advice with ecosystem considerations. ICES Journal of Marine Science, 9 pp. Lester, S. E., C. Costello, B. S. Halpern, S. D. Gaines, C. White og J. A. Barth Evaluating tradeoffs among ecosystem services to inform marine spatial planning. Marine Policy Millennium Ecosystem Assessment (MEA) Ecosystems and Human Well-being: Synthesis. Island Press, Washington, DC. Naturstyrelsen Danmarks Havstrategi: Havet/Havmiljoet/Havstrategi/. Nielsen R. og M. Nielsen Bæredygtig vækst i dansk akvakultur. I: Andersen Jesper Levring, Lars Ravensbeck, Carsten Skotte Petersen, Max Nielsen, Rasmus Niel sen og Peder Andersen Fiske - riets Økonomi Fødevareøkonomisk Institut (nu Institut for Fødevare- og Ressourceøkonomi). Pearce, D Do we really care about Biodiversity? Environmental and Resource Economics. 37: Ravensbeck, L., P. Andersen, B. J. Thorsen, og N. Strange Økosystemtjenester og deres værdisætning i tilknytning til et landsdækkende grønt naturnetværk i Danmark eksisterende viden, potentiel anvendelse og vidensbehov. IFRO Rapport pp. Sanchirico, J. N., D. K. Lew, A. C. Haynie, D. M. Kling, D. F. Layton Conserva - tion values in marine ecosystem-based management. Marine Policy 38: TEEB The Economics of Ecosystems and Biodiversity: Mainstreaming the Economics of Nature: A synthesis of the approach, conclusions and recommendations of TEEB. Verdensbanken og Food and Agricultural Organization The Sunken Billions. The Economic Justification for Fisheries Reform. Agricultural and Rural Development Department. The World Bank. Washington.

278 Nationaløkonomisk Tidsskrift 151 (2013): Aktivering og den danske arbejdsmarkedsmodel Torben Tranæs Rockwool Fondens Forskningsenhed, mail: RESUMÉ: Synspunktet i det følgende er, at (1) den aktive arbejdsmarkedspolitik øger beskæftigelsen uden at skabe større ulighed mellem de lønmodtagere, som ofte oplever ledighed, og dem som meget sjældent gør det; (2) at den positive effekt stammer fra motivationseffekten og ikke fra en effekt af indholdet af aktiviteterne; (3) at effekten af den sidste mia. kr., som bruges, er meget lille; (4) at den aktive politik har en række positive socialpolitiske effekter; og endelig (5) at effekterne på løn og produktivitet af aktivering er underbelyste. 1. Indledning Vi har i Danmark valgt at ligge i den absolutte top i forhold til, hvor mange penge vi bruger på den aktive arbejdsmarkedspolitik. Mens vi bruger godt 1 pct. af BNP, bruger f.eks. Sverige 0,8, Holland godt 0,4, og OECD bruger i gennemsnit knap 0,4 pct. Denne massive satsning på aktivering som er intensiveret de seneste 20 år giver anledning til at overveje, om Danmark har fundet den rigtige måde at gøre tingene på? Der er fire overordnede spørgsmål: Det ene er, om politikken virker altså bidrager til, at ledige kommer i job? Det andet, om politikken bidrager til, at dansk økonomi er bedre end (eller i det mindste lige så god) som andre økonomier til at tilpasse sig skift i konjunkturerne? Det tredje, om pengene er givet godt ud, i forhold til den effekt aktiveringen har på den samlede beskæftigelse? Og endelig, om pengene er givet godt ud, hvis man tager højde for andre aspekter end de direkte beskæftigelsesmæssige? De korte svar på de fire spørgsmål er ja, nej, nej og måske. Ja, aktivering og trus - len om aktivering øger sandsynligheden for, at den enkelte finder et job. Nej, der er ikke noget, der tyder på stor tilpasningsevne i dansk økonomi. Nej, der er heller ikke noget, der tyder på, at der er noget rimeligt forhold mellem alle milliarderne, der bruges på aktivering, og den beskæftigelse, der kommer ud af det. Og endelig måske er pengene givet godt ud, hvis også man tager højde for en række positive socialpolitiske effekter. Disse korte svar uddybes i det nedenstående. Den anvendte litteratur er angivet bagerst og ikke oplyst løbende i teksten. 2. Den danske fortælling Baggrunden for det høje danske niveau for aktivering skal søges i en særlig dansk fortælling. Det er fortællingen om dansk arbejdsmarkedspolitik, om arbejdsgivernes fleksibilitet, om borgernes sociale sikkerhed om flexicurity.

279 DEBAT OG KOMMENTARER 279 Siden 1980erne, men navnlig fra midten af 1990erne og frem, har det offentlige investeret massivt i den aktive arbejdsmarkedspolitik. Via forskellige instrumenter sigter politikken på at bringe arbejdsløshedsdagpenge- eller kontanthjælpsmodtagere i beskæftigelse hurtigt. Tendensen har været den samme i andre udviklede industrilande, men Danmark har ligget langt foran de fleste andre med hensyn til investeringen. Instrumenterne administreres af de kommunale jobcentre. Der er tale om tilbagevendende rådighedssamtaler, om offentlig og privat tidsbegrænset ansættelse med løntilskud, om virksomhedspraktik og om vejledning og uddannelse. Ideerne bag indsatsen er flere. Det er et selvstændigt formål løbende at rådighedsteste de ledige, hvilket generelt er en nødvendig forudsætning ved en almindelig offentlig arbejdsløshedsforsikring og et kontanthjælpssystem. Derudover er det en ambition at skabe et mere effektivt arbejdsudbud. Det sker ved uddannelsesløft, ved at afdække de aktuelle jobmuligheder og ved at motivere de ledige til at være intensivt jobsøgende. Den aktive indsats i Danmark begyndte i 1980erne. Men den obligatoriske version, som vi kender i dag, blev først for alvor udbygget fra midten af 1990erne og frem. I begyndelsen af 1990erne brugte man kun halvt så meget pr. ledig på aktivering i forhold til niveauet i 00erne. Efter et ikke uvæsentligt fald i de første tre år af det nye årtusind lå udgiftsniveauet pr. ledig på et nogenlunde konstant højt niveau frem til I 2012 var det danske aktiveringsbudget på omkring 16 mia. kr., inklusive 8 mia. kr. til forsørgelse. Hertil skal lægges en del af de 3,2 mia. kr., som bruges på at drive job - centrene. De ville være billigere at drive, hvis ikke der var en aktiv indsats. Udgifterne andrager i alt godt en pct. af BNP, hvilket er meget at bruge på dette formål. Intet andet land inden for OECD bruger så meget. De danske udgifter er næsten tre gange så høje som OECD-gennemsnittet. Det høje danske udgiftsniveau hænger sammen med den danske fortælling om arbejdsmarkedet. Generelt antages det, at der er et samspil mellem den aktive og passive arbejdsmarkedspolitik inden for den skandinaviske velfærdsmodel. Den aktive arbejds - markedspolitik skal sikre en effektiv jobsøgningsadfærd i en situation, hvor især lavt - lønnede grupper via den passive arbejdsmarkedspolitik modtager en høj indkomst - erstatning. I fortællingen lægges der ikke meget vægt på det faktum, at aktivering har en motiverende (skræmmende) effekt. I stedet handler den om, at de ledige skal opkvalificeres og omskoles. De relativt høje dagpenge og de lempelige regler for afskedigelser skal gøre det lettere (billigere) for virksomhederne løbende at justere deres arbejdsstyrke efter behov, dvs. fyre og ansætte medarbejdere. Og der er stor omsætning på arbejdsmarkedet. Mange skift, mange afskedigelser og mange ansættelser. Netop denne høje jobomsætning giver argumenter for at bruge mange ressourcer på den aktive arbejdsmarkedspolitik. Den skal kanalisere den ledige arbejdskrafts kvalifikationer der-

280 280 NATIONALØKONOMISK TIDSSKRIFT NR.2 hen, hvor behovet er. På den måde vil der når alt går op i en højere enhed hele tiden være de kvalifikationer til rådighed, som virksomhederne efterspørger. Ifølge fortællingen. Forventningen er altså, at den aktive politik bidrager til at skabe en tilpasningsduelig økonomi. Og at den dermed bidrager til at skabe vækst, så vi på én gang kan vedblive at være blandt de rigeste lande i verden og samtidig opretholde et velfærdssamfund i stil med det, vi kender i dag. Ideen er med andre ord: Det koster ikke Danmark noget på velstandskontoen, at vi har høje skatter og beskedne økonomiske incita - menter til at arbejde og uddanne os. Vi har nemlig udviklet en særlig model, hvor en god beskæftigelsesudvikling sikres på anden vis blandt andet via den aktive arbejdsmarkedspolitik. 3. Problemerne efter 2008 Men er fortællingen sand har den hold i virkeligheden? Den utvivlsomt sande del af fortællingen er, at aktivering virker. Hvilket vil sige, at aktivering bidrager til, at nogle mennesker finder job tidligere, end de ellers ville have fundet det, og færre ender som langtidsledige. Det paradoksale er, at de mest virksomme programmer er dem, som er bedst til at skræmme folk væk, dvs. få de arbejdsløse til at forlade ledighed, inden de begynder på det pågældende program, samt programmer som direkte handler om at intensivere denne motivationseffekt via vejledning og jobsøgningsassistance. Mens der nemlig er solidt empirisk belæg for en jobsøge-motiverende effekt af den aktive arbejdsmarkedspolitik, har det omvendt vist sig vanskeligt at dokumentere en økonomisk signifikant beskæftigelseseffekt af selve deltagelsen i de aktive programmer. Mere problematisk bliver den danske fortælling om fleksibilitet og om, at den ak - tive politik skulle være den olie, der fik økonomien til at glide bedre. Man kan med fordel undersøge den sag ved at fokusere på, hvordan det er gået med dansk økonomi i forlængelse af krisen i Udbygningen af den aktive arbejdsmarkedspolitik skete som nævnt i slut-90erne, så den økonomiske krise i kølvandet på finanskrisen er i virkeligheden den første store test af, hvor robust modellen med fuld udbygget aktivering er. Altså: Bidrager modellen til økonomiens tilpasningsevne i en krisetid? Svaret er: Nej ikke rigtig. Danmark har været dårlig til at modstå omslaget i økonomien efter Beskæf - tigelsesgraden er faldet langt mere i Danmark end i landene omkring os. Tyskland har ligefrem formået at øge beskæftigelsesgraden siden 2008, mens den svenske beskæf - tigelsesgrad hurtigt er vendt tilbage til 2008-niveauet, jf. figur 1. I EU er det frem til 3. kvartal 2012 kun lande som Grækenland, Spanien, Portugal, Cypern og Irland, som har haft større fald i beskæftigelsesgraden.

281 DEBAT OG KOMMENTARER Danmark Tyskland Sverige OECD Figur 1. Udviklingen i beskæftigelsesgraden for årige for udvalgte lande Indeks 2008 =100. Kilde: OECD. Også i forhold til OECD-gennemsnittet har udviklingen i Danmark været bemærkelsesværdig. Beskæftigelsesgraden er faldet tre gange så meget i Danmark (knap 7 pct.) som i OECD i gennemsnit (godt 2 pct.). Bemærk, at beskæftigelsesgraden ikke steg mere i Danmark op gennem 00erne end i OECD-landene under ét. Så beskæf - tigelseskrisen i Danmark siden 2008 skyldes ikke, at den ekspansive politik gennem 00erne bevirkede en særlig kraftig stigning i beskæftigelsesgraden for herboende. Vi havde ellers op gennem 00erne vænnet os til, at ledigheden i Danmark var markant lavere end OECD-gennemsnittet. Sådan er det ikke mere. I dag er den danske ledighed målt ved hvor mange der søger job næsten på samme niveau som i OECDlandene som helhed. Ledigheden er altså steget særlig kraftigt i Danmark i kølvandet på det globale tilbageslag. Forskellen på landene er mindre, hvis man ser på udviklingen i produktionen i stedet for beskæftigelsesgraden. Men stadig ligger Danmark nu på femte år efter kriseudbruddet med markant lavere BNP-vækst end Sverige og Tyskland og også end OECDlandene som helhed. Kriser som følge af strukturelle forskelle i landenes erhvervsstruktur rammer forskellige lande forskelligt. Men der er ingen tvivl om, at Danmark er hårdere ramt end vores nabolande. Men det er naturligvis godt, at produktionen i Danmark er ramt i mindre grad end beskæftigelsen blandt herboende. Noget tyder på, at de meget rigelige arbejdskraftsressourcer i de nye EU-lande mod øst er blevet en arbejdskraftsreserve for det danske

282 282 NATIONALØKONOMISK TIDSSKRIFT NR.2 arbejdsmarked. Og på, at den særligt høje aktivitet i årene før krisen i nogen grad blev båret af arbejdskraft ude fra. Det er principielt en god ting, hvis arbejdskraft fra andre lande kan være med til at udjævne perioder med under- og overskud af arbejdskraft i Danmark. Men det skal være symmetrisk: Høj import af arbejdskraft, når økonomien boomer, lavere når der er krise. Udviklingen de seneste år typer på, at arbejdskraft fra de nye EU-lande er kommet til i stor stil i midten af 00erne og har hjulpet med at forlænge opsvinget, mens det er den herboende arbejdskraft, som har særlig svært ved at komme tilbage i job under og efter (!) krisen. Hvis det er rigtigt, ser vi her begyndelsen til et meget alvorligt problem. Når det går skidt, træder det danske velfærdssystem til og forsørger de herboende, som ikke finder job. Når det går godt, så forbliver de forsørgede og øst-arbejdere og arbejdere fra vores nabolande træder til i produktionen. Hvis de herboende ledige på denne måde kobles af konjunkturerne, så har vi et meget alvorligt problem. Tallene tyder måske på det. Antallet af øst-arbejdere steg kraftigt frem til 2008, og stigningen er fortsat efter 2008, mens beskæftigelsesgraden for herboende nu på fjerde år forbliver på det lave niveau fra det første kriseår. For ti år siden var der øst-arbejdere i Danmark. I dag er der ifølge FAOS omkring I forhold til den samlede danske model, som har fejlet i forlængelse af krisen, så er det vanskeligt at angive præcis, hvor kæden er hoppet af. I modsætning til situationen i en del andre lande, har danske politikere udvist en bemærkelsesværdig handlekraft og reformvillighed. Den danske model ser finanspolitisk holdbar ud på sigt dog kun under forudsætning af, at beskæftigelsen indhenter de , som Danmark strukturelt er bagud pt. ifølge den seneste Vismandsrapport. Det store spørgsmål er, om vi er gearet til det, om væksten når den kommer vil være baseret på herboende eller importeret arbejdskraft. Hvis der er tegn på, at det i for stor stil er det sidste, bør vi føje endnu en kommission til Produktivitetskommissionen og Carsten Kock-udvalget. Den nye kommission bør se på rammebetingelserne for løndannelse og beskæftigelse. Vi holder vejret så længe. 4. Danmark før og efter den nye arbejdsmarkedspolitik Set i det lange perspektiv (fra begyndelsen af 1980erne og frem til krisen) har beskæftigelsesudviklingen i Danmark været bedre end i OECD-landene under ét. Med hensyn til beskæftigelsesniveauet er det relevant at sammenholde situationen gennem 00erne med situationen i 1980erne før udbygningen af den aktive arbejdsmarkedspolitik. I perioden fra 1980 til i dag er der sket ganske meget mht. kvindernes deltagelse på arbejdsmarkedet, unges uddannelsesdeltagelse, tilbagetrækningen osv. For at undgå at disse forhold distraherer billedet, kan man fokusere på en af arbejdsmarkedets kernegrupper både dengang og nu, nemlig mænd i alderen år. Som det fremgår af figur 2, har andelen af mænd i alderen 25 til 54 år i beskæftigelse været no-

283 DEBAT OG KOMMENTARER OECD Danmark Figur 2 Beskæftigelsesgraden for mænd i alderen 25 til 54 år i OECD og Danmark, Kilde: OECD. genlunde konstant gennem perioden, nemlig omkring 88 pct. Den krise, som kulminerede i begyndelsen af 1990erne, bragte beskæftigelsen langt ned. Den efterfølgende lange periode med gunstige konjunkturer og reformer, bl.a. udbygningen af den aktive arbejdsmarkedspolitik, har kun bragt beskæftigelsen op på niveauet fra midten af 1980erne. Umiddelbar kunne det ser ud som om, 1990ernes reformer ikke har betydet så meget. Men spørgsmålet er naturligvis, hvordan udviklingen ville have været uden disse reformer. Kunne vi have forventet et fald i beskæftigelsen, f.eks. på grund af den teknologiske udvikling, stagnerende uddannelsesniveau og den generelle velstandsstigning? Det gives der ingen entydige svar på, men man kan få et fingerpeg om det ved at sammenligne med udviklingen i andre lande. Af figur 2 fremgår den gennemsnitlige udvikling for beskæftigelsesgraden blandt årige mænd i OECD-landene og i Danmark fra 1983 og frem. OECD-landene under ét har i perioden oplevet et fald på 4,5 procentpoint. Det er ikke umiddelbart til at afgøre, om reformerne i 1990erne har betydet, at Danmark undgik et fald i beskæftigelsen, som var trenden i OEDC. Holland er et eksempel på et land, som markant har gået mod strømmen og øget deres beskæftigelsesgrad med 7,5 point i perioden. Danmark er, om end mere beskedent, også gået imod strømmen, i hvert tilfælde frem til krisens begyndelse. Det er muligt, at dette skyldes 1990ernes aktiveringsreformer. Men det er langt fra sikkert. Der skete nemlig mange ting sam - tidig med, at den aktive politik blev udbygget. Dagpengeperioden blev forkortet, og

284 284 NATIONALØKONOMISK TIDSSKRIFT NR.2 dagpengenes maksimumsbeløb blev indekseret, så de steg mindre end lønningerne. Konklusionen er altså, at den aktive politik muligvis har bidraget positivt til beskæf - tigelsesudviklingen. Det vil dog kræve en meget omhyggelig analyse af den makroøkonomiske udvikling siden 1980, før man ville kunne fastslå noget sådant. En sådan analyse eksisterer ikke i dag. Og den vil være uhyre vanskelig at lave. Umiddelbart er der heller ikke noget, som peger på tydelige effekter af aktiveringen på kvaliteten af jobbene. En ting er beskæftigelse, noget andet er lønninger. Spørgsmålet er, om deltagelse i aktiveringsprogrammer har en positiv effekt på lønnen? Forventningen kunne være, at de aktiverede ledige fik højere løn efter ledighed og aktivering sammenlignet med lignende ledige, som kommer i arbejde uden aktivering. Den generelle effekt af dette ville så vise sig ved, at den gennemsnitlige løn i de job, som ledige blev ansat i som følge af aktiveringens programeffekt ville være højere efter den voldsomme udbygning af den aktive indsats. Med den betydelige jobomsætning og også bevægelse fra job til ledighed og fra ledighed til job i Danmark, så burde der også være en effekt at spore på den gennemsnitlige løn på de arbejdsmarkeder, hvor der optræder en vis ledighed. Det er imidlertid ikke meget, som indikerer, at den aktive arbejdsmarkedspolitik har betydet bedre job; hverken højere løn eller højere indtjening i virksomhederne. Men emnet er med få undtagelser blevet overset af forskningen. 5. For dyrt i forhold til beskæftigelseseffekter En ting er, hvordan det er gået med den danske økonomi siden Noget andet er, om den aktive arbejdsmarkedspolitik er pengene værd ud fra en mere snæver økonomisk betragtning? Som nævnt brugte Danmark 8 mia. kr. på de aktive arbejdsmarkedsprogrammer i 2012 eksklusive understøttelse og knap 3,5 mia. kr. på at drive jobcentrene. Et forsigtigt skøn over de samlede rene aktiveringsomkostninger kunne være 9 mia. kr. Hvis staten skal hente pengene hos borgere og virksomheder, koster det samfundsøkonomien knap 11 mia. kr. Det skyldes, at der er omkostninger forbundet med, at staten skattefinansierer projekter (der går penge til administration og kontrol, og skatter har en vis forvridende effekt). Det store spørgsmål er, om vi via den aktive politik hæver beskæftigelsen nok til, at det samfundsøkonomisk kan begrunde årlige udgifter i størrelsesordenen knap 11 mia. kr.? Og svaret er: Nej, det er der ikke noget, der tyder på. Beskæftigelsen i Danmark var i 2012 på personer, og den gennemsnitlige lønindkomst om året for ledige, som kommer i beskæftigelse, var kr. i Den samlede effekt skal altså kun hæve beskæftigelsesgraden med omkring 1,5 procentpoint, før det løber rundt for samfundet som helhed. Og for at det offentlige får si-

285 DEBAT OG KOMMENTARER 285 ne penge igen det vil sige, at indsatsen ikke betyder højere skatter på sigt så skal indsatsen hæve beskæftigelsen med 2,5 procentpoint. Det kan ikke umiddelbart dokumenteres, om den aktive arbejdsmarkedspolitik samlet set har haft en effekt af denne størrelsesorden. Som nævnt: Danmark har siden 1980erne haft en bedre beskæftigelsesudvikling end OECD-landene i gennemsnit. Til gengæld kan vi vurdere mere præcist om de sidste penge, som bruges, er givet godt ud set med samfundsøkonomiske briller. Dvs. om doseringen af indsatsen er den rigtige, eller om vi burde bruge flere eller færre penge. Der laves meget få målinger af effekten af den aktive indsats på makroplan i Danmark. Men i efteråret 2012 præsenterede De Økonomiske Råd bl.a. en måling af, hvordan de forskellige typer af aktivering påvirker det samlede ledighedsniveau. Dette gør Rådets effektmålinger velegnede til brug for cost-benefit-vurderinger. Helt konkret har Rådet analyseret årene (højkonjunktur) og (lavkonjunktur). Resultaterne peger på, at der en statistisk sikker, men forholdsvis begrænset positiv effekt af brug af virksomhedspraktik og ansættelse med løntilskud i privat virksomhed. Tilsvarende er der en statistisk sikker positiv, men endnu mere begrænset effekt af uddannelsesaktivering under højkonjunkturen og en lidt stærkere effekt under lavkonjunkturen. Løntilskudsjob i offentlige virksomheder har ingen målbar effekt i de to delperioder. Og endelig reducerer rådighedssamtaler ledigheden, men kun under lavkonjunkturen. Men de effekter der måles er meget små. Under højkonjunktur gælder følgende: Hvis man reducerer deltagelsen i aktivering med 10 pct., vil ledigheden stige med 0,05 procentpoint. Under lavkonjunktur stiger effekten til 1,13 procentpoint. Dette sidste resultat er alene drevet af effekterne af samtaler, bl.a. rådighedssamtaler, idet effekten af programmerne inden for de fire områder løntilskud i privat virksomhed, løntilskud i offentlig virksomhed, vejledning og uddannelse, og virksomhedspraktik er af samme beskedne størrelse, hvad enten ledigheden er høj eller lav. Der er en begrundet frygt for, at effekten af samtaler under lavkonjunkturen skyldes, at antallet af samtaler pr. ledig faldt af simple ressourcemæssige grunde, da ledigheden lige pludselig steg kraftigt, og jo kraftigere den steg i et område, desto mere var det lokale jobcenter nødt til på kort sigt at reducere antallet af samtaler pr. ledig. Af den grund er beregningen nedenfor baseret på effekten af alt andet end en evt. effekt af samtaler. Det skal erindres, at DØR har estimeret marginale effekter, og at sådanne marginalberegninger formentlig ville pege på større effekter, hvis aktiveringsindsatsen generelt var mindre. Man kan på basis af disse effektmålinger kun vurdere samfundsøkonomien af de yderste mia. kr., som bruges. Beregningen ser ud som følger: Den beskæf -

286 286 NATIONALØKONOMISK TIDSSKRIFT NR.2 tigelse, som den yderste mia. kr. brugt på aktivering kaster af sig i en højkonjunktur, skal bestå af job til årslønninger på i gennemsnit kr. for, at det samfundsøkonomisk hænger sammen. Hvis det tillige skal hænge sammen for det offentlige, taler vi om en betydelig højere løn: Indkomster, som kaster årlige skatter af sig på kr., hvilket vil sige årslønninger på op mod en lille mio. kr., er nødvendige, for at det offentlige får sine penge igen. Så meget tjener aktiverede, der efterfølgende kommer i job, ikke. Selv for de forsikrede ledige (som er den stærkeste gruppe) er den gennemsnitlige lønindkomst på kr. om året det første år med fuldtidsbeskæftigelse efter ledighed. 6. Sociale effekter Når nu regnestykket ovenfor ender i minus, rejser det spørgsmålet om, hvorfor skiftende regeringer vedbliver med at bruge så store beløb på aktivering? Antagelsen, at de ikke ved, hvad de gør, har formodningen imod sig. Mere sandsynligt er det, at de har andre og supplerende hensigter end blot at fremme beskæftigelsen. De aktive programmer har nemlig effekter på en række samfundsforhold, som ikke direkte har noget med beskæftigelse at gøre f.eks. kriminalitet, inklusion og økonomisk omfordeling. I forhold til det sidste omfordelingen er der tydelige tegn blandt de europæiske OECD-lande på, at udgifterne til aktiv arbejdsmarkedspolitik hænger sammen med økonomisk omfordeling generelt. De mange penge, som bruges, tilfalder nemlig hyppigere lavindkomstgrupper, end de tilfalder de bedre lønnede. Når man deltager i aktivering, modtager man ressourcer, som betales af andre. Det gælder f.eks., hvis man får støttet beskæftigelse f.eks. løntilskud i privat virksomhedsaktivering som typisk betyder højere indkomst end dagpengene eller kontanthjælp. En anden mulighed er, at den ledige deltager i et kursus eller nogle aktiviteter, som vedkommende finder interessante eller ligefrem nyttige. Endelig ser motivations - effekten som nævnt ud til at reducere den indkomstulighed, som ledigheden ellers skaber, idet den betyder en gennemsnitlig højere genbeskæftigelsesløn. Der er da også en klar sammenhæng mellem landenes prioritering af den aktive indsats og så den økonomiske ulighed i landene målt med deres Gini-koefficient. Stort forbrug af penge til aktiv beskæftigelsespolitik, hænger sammen med lav Gini-koef - ficient, og dermed stor lighed. Denne sammenhæng gælder også for de nordiske lande alene. Vi kan imidlertid ikke sige, om denne sammenhæng er kausal, altså om det er udgifterne til aktivering, som mindsker indkomstforskellene, eller om det er lande, som af andre grunde har små indkomstforskelle, som vælger at bruge mange penge på aktivering. Den politologiske forklaring ville her være, at en koalition af vælgere med lave

287 DEBAT OG KOMMENTARER 287 indkomster vælger en regering, som så beskatter alle, men bruger pengene på en måde, som til en vis grad favoriserer koalitionens medlemmer. Uanset om de aktive programmer har karakter af rene overførsler til de samfundsgrupper, der udgør regeringens vælgerbasis, eller om de har en effekt på (brutto) indkomstfordelingen via en styrkelse af de lavt uddannedes position på arbejdsmarkedet, er der tale om, at aktiveringen virker omfordelende. På samme måde er aktivering inkluderende. De grupper, som har særlig svært ved at bide sig fast på arbejdsmarkedet, er også de grupper, som deltager mest i aktivering. For nogle af disse grupper ser der faktisk ud til at være positive og økonomisk signifikante effekter af den aktive indsats. Det gælder f.eks. for indvandrere fra ikke-vestlige lande. For andre mere marginalt placerede grupper kan der være en positiv effekt af de aktive programmer, som ikke på kort sigt viser sig ved højere beskæftigelse, men ved, at det aktive liv giver flere sociale kontakter og bedre sociale færdigheder samt på det faglige plan forbedringer af mere almen karakter, såsom bedre grundlæggende skolekundskaber. Ikke noget som giver job på kort sigt, men alt sammen noget som giver et bedre liv, og som vil flytte personerne tættere på arbejdsmarkedet selvom afstanden vedbliver at være stor. Disse elementer af den aktive politik er også noget, som øger ligheden i samfundet, også selvom de sidstnævnte effekter er af ikke-økonomisk karakter. Endelig er det veldokumenteret, at stigende ledighed øger kriminaliteten i samfundet. Det er nærliggende at slutte modsætningsvist: Det kan godt være, at en aktiv arbejdsmarkedspolitik ikke mindsker ledigheden, men den bidrager til en aktiv hverdag for de ledige, og har derfor lidt af den samme effekt på kriminaliteten, som beskæf - tigelse har. At det forholder sig sådan, er vist af Rockwool Fondens Forskningsenhed. Analyser herfra har netop dokumenteret, at aktivering reducerer sandsynligheden for, at navnlig unge mænd begår kriminalitet. 7. Flexicurity med universel aktivering I afsnit 2,»Den danske fortælling«, blev hovedpointen ved den danske arbejdsmarkedsmodel udbygget med generel og obligatorisk aktivering ridset op. Spørgsmålet er, om der er andre mindre tilsigtede effekter ved modellen, som kunne modvirke de effekter, som sædvanligvis fremhæves. Nedenfor diskuteres nogle mulige negative sideeffekter ved den danske arbejdsmarkedsmodel i dens seneste udformning med en omfattende og generel obligatorisk aktivering af ledige. (i) Fleksibiliteten på arbejdsmarkedet kan også være for høj Fleksibilitet er ikke blot af det gode økonomisk set. Det er ikke sådan, at jo mere fleksibelt et arbejdsmarked er, desto bedre fungerer det. Fleksibiliteten på arbejdsmar-

288 288 NATIONALØKONOMISK TIDSSKRIFT NR.2 kedet kan godt være for høj. Navnlig hvis fleksibiliteten tilskyndes via offentlige subsidier, er det muligt, at arbejdsmarkedet bliver for fleksibelt. Dette aspekt indgår typisk ikke i den danske diskussion af flexicurity-modellen. Her fremstilles fleksibilitet og høj jobomsætning ofte som et absolut gode; jo mere mobilt og fleksibelt arbejdsmarkedet er, jo flere jobskift, desto bedre er det, jo mere effektivt fungerer markedet. Dette er naturligvis ikke rigtigt uden yderligere kvalificering. Når det er let for virksomhederne at afskedige ansatte, fordi det politiske system og arbejdsmarkedets parter har prioriteret et system med relativt høje dagpenge og uden dyre fratrædelsesordninger, ja så er det også let for de ansatte at sige op. Et sådant system styrker lønmodtagersiden i lønforhandlingerne, og vil alt andet lige betyde, at virksomhederne kommer til at betale med højere lønninger for den lettere adgang til at kunne afskedige sine medarbejdere. Som nævnt tidligere er ledighedskompensationen navnlig høj for de lavere lønnede, som også er de mest ledige. For at højere jobmobilitet kan være en selvstændig begrundelse for, at samfundet (staten) subsidierer dagpengesystemet, skal der eksistere en såkaldt eksternalitet knyttet hertil, som subsidiet afhjælper. Ellers forvrider subsidiet ressourceallokeringen og fører til økonomisk inefficiens. En sådan eksternalitet er ikke let at få øje på. De høje lønstigninger op gennem 00erne kan godt være blevet stimuleret af den danske model, idet den har styrket lønmodtagersiden i en situation, hvor denne i for - vejen stod stærkt grundet en overophedet økonomi. Tilsvarende betyder den høje job - omsætning i den nuværende krisetid måske, at virksomhederne i højere grad reducerer antallet af medarbejdere og i mindre grad blot antallet af udførte timer. Det betyder mange jobseperationer og afskedigelser og deraf følgende tab af virksomhedsspecifikke kundskaber og erfaringer. Virksomhederne handler rationelt i den givne situation, men det er ikke givet a priori, at det eksisterende offentlige subsidium til dagpenge - systemet samt de lempelige opsigelsesregler er optimalt. Et subsidium til arbejdsløshedskompensation f.eks. kan i sig selv være både for højt, så lønningerne er meget træge til at tilpasse sig ændringer i udbud og efterspørgsel. Og subsidiet kan være for lavt med den konsekvens, at ledighedsforsikringen, i en verden hvor mange er kreditrationerede, bliver så beskeden, at de ledige tager det første det bedste job i stedet for at vente på et job, som matcher deres kvalifikationer. Et sted her imellem ligger det samfundsmæssigt set optimale niveau for offentlig støtte til arbejdsløshedsforsikring. Der er ikke rigtig nogen, som med stor vægt kan svare på, hvor dette optimale niveau konkret ligger for et givent land, men det er et vigtigt spørgsmål. Så mobilitet og fleksibilitet er ikke pr. definition godt for samfundsøkonomien. Der er da heller ingen sammenhæng mellem, hvilke lande som har klaret den nuværende krise godt i form af kortvarigt eller beskedent jobtab, og så om jobomsætningen på de-

289 DEBAT OG KOMMENTARER 289 res arbejdsmarked er høj eller lav. Blandt de lande, som har klaret sig godt, er der både lande med høj jobomsætning (Polen) og lande med lav jobomsætning (Tyskland og Sverige), ligesom der blandt de lande, som har klaret sig dårligt, er lande med både høj (Danmark og Spanien) og lav (Italien og Portugal) jobomsætning. (ii) Omskoling og opkvalificering langt fra virksomhederne kan være et problem Som vi netop har diskuteret, er tanken, at den høje jobomsætning på det danske arbejdsmarked understøttes af tre ting: relativt høje dagpenge, de lempelige regler for afskedigelser og af den aktive arbejdsmarkedspolitik. De hyppige jobskift skaber et ekstra behov for omskoling og opkvalificering uden for virksomhederne, som søger denne opgave løst andet sted, af andre virksomheder, af det almindelige uddannelsessystem eller netop af den aktive arbejdsmarkedspolitik. Navnlig det sidste fremhæves som noget nyttigt ved den danske flexicurity-model; at det er en særlig opgave for den aktive arbejdsmarkedsindsats at opfylde virksomhedernes behov for nye kvali - fikationer, når de opstår, nu hvor virksomhedernes incitamenter er skubbet mere i retning af at finde en ny medarbejder uden for virksomheden, som allerede har de ønskede kvalifikationer, frem for at omskole eller videreuddanne en af dens egne medarbejdere. Herved flyttes (noget af) den løbende omskoling og opkvalificering uden for virksomhederne og over i det offentlige uddannelses- og aktiveringssystem, og spørgsmålet er, om dette system kan løse opgaven lige så godt som virksomhederne selv, så længe det ikke drejer sig om generelle kvalifikationer. Hvis vi har fået lavet et system, som har reduceret virksomhedernes deltagelse i den løbende justering af arbejdsstyrkens kvalifikationer i lyset af de hele tiden ændrede krav på markederne, og i højere grad overlader dette til et administrativt system, som må antages at være længere væk fra de signaler fra markederne og fra den teknologiske og erhvervsmæssige udvikling, som det hele handler om at læse og reagere på, ja så har vi bidraget til at gøre vores økonomi mindre dynamisk og moderniseringsorienteret, og det har i værste fald kostet i form af lavere produktivitetsudvikling. (iii) Ubalancer er vigtige signaler i en markedsøkonomi Endelig er der spørgsmålet om ledighedens funktion i en markedsøkonomi. For nogle er ledighed en uønsket og endda ulykkelig situation, og for andre er det en kalkuleret ventetid inden det næste job, som gerne skulle være bedre end det job, man netop frivilligt har forladt. I begge tilfælde er ledighed udtryk for ubalancer mellem kvalifikationer og ønsker på begge sider af arbejdsmarkedet, ubalancer, som hele tiden produceres i en markedsøkonomi; og netop de tilpasninger, som ubalancerne sætter i gang, er det, som driver udviklingen frem og skaber vækst. Mange ubalancer opstår i

290 290 NATIONALØKONOMISK TIDSSKRIFT NR.2 virksomhederne, og de virksomheder, som er bedst til at håndtere denne proces, er også dem, som klarer sig bedst. Men en del tilpasninger kan ikke klares på de enkelte virksomheder, eller dette er ikke hensigtsmæssigt, og de resulterer i ledighed, jobnedlæggelser og -oprettelser. Ledighedens størrelse og sammensætning er udtryk for rammebetingelserne for arbejdsmarkedet og for, hvor velfungerende tilpasningsprocesserne i økonomien er. Ledigheden spiller en meget vigtig rolle i forhold til disse processer. Antallet af ledige og de lediges kvalifikationer og ønsker er signaler om ubalancer til markedet. Det er signaler til andre aktører på markedet, og disse signaler indgår i deres beslutninger om alt, fra hvilke job det kan betale sig at slå op, hvilke lønninger man vil tilbyde hhv. kræve, hvilket kapitalapparat og hvilke organisatoriske innovationer som skal fremmes, til hvilke nye produkter som med fordel kan udvikles, osv. Jo mere effektiv ledigheden er til at sende disse signaler, desto bedre er det for hele økonomien. En effektiv ledighed betyder lavere ledighed, fordi tilpasning af priser, lønninger og mængder går hurtigt. Er ledigheden ligeledes god til at sende kvalitative signaler om de lediges kvalifikationer og præferencer, vil den bedre understøtte innovations- og udviklingsprocesser i økonomien. Med andre ord: Ledigheden og de lediges gøren og laden spiller en vigtig rolle, både for hvor stor ledigheden er, hvor hurtig den tilpasser sig til udefra kommende overraskelser, og for hvorledes arbejdskraftens kvalifikationer og udvikling af disse kan komme til at spille sammen med og understøtte den almindelige økonomiske udvikling. Det, man i den sammenhæng kan være bekymret for, er, om den meget omsiggribende aktivering er med til at stække de signaler, som kommer fra ledigheden. Hvis de ledige er travlt optaget af kurser eller løntilskudsordninger, og derfor i mindre grad har tid eller incitament til at udfylde deres rolle som ledige hvilket er at modtage og sende signaler om ubalancer til resten af arbejdsmarkedet og derefter reagere på signaler, som kommer derfra vil ledigheden alt andet lige være højere, end den kunne være, og produktivitet og vækst i samfundet vil også kunne blive hæmmet. 8. Fremtiden for aktivering Aktiveringens paradoks er følgende: Vi ved, hvordan vi motiverer folk til selv at finde et alternativ til aktivering og dermed ledighed. Men vi ved efter 20 år med aktivering ikke meget om, hvordan effektive programmer skrues sammen på en måde, så det er indholdet af disse, der hjælper de ledige. De eksisterende programmer ser ikke ud til i sig selv at have nogen nævneværdig effekt på beskæftigelsen. Den såkaldte programeffekt kan ikke påvises. Det, der virker, er selve (truslen om) aktiveringen altså den såkaldte motivationseffekt. At det forholder sig sådan, er ikke noget man beredvilligt underholder hinanden med på Christiansborg. Hvis man rent politisk aner-

291 DEBAT OG KOMMENTARER 291 kendte, at aktivering kun virker gennem motivationseffekten, ville denne effekt kunne tilvejebringes meget billigere end i dag. Der er dog et men med hensyn til programeffekten. Vi ved, at selve programmerne ikke øger beskæftigelsen, men vi ved ikke meget om, hvorvidt de øger lønnen. Netop når det gælder en effekt af selve indholdet af programmerne, vil man i høj grad kunne forvente en løneffekt. Navnlig hvis ikke der er nogen beskæftigelseseffekt, kunne det netop være, fordi der er en løneffekt. Princippet er: Den ledige, som har lært noget nyttigt på et kursus, vælger måske at søge efter lidt bedre lønnede job vel vidende, at det vil kunne forlænge ledighedsperioden, men til gengæld med udsigt til så at komme tilbage på arbejdsmarkedet til en højere løn end ellers. Det er muligt, at dette sker, men næppe sandsynligt, at det sker i stor stil. Hvis det skete i stort omfang, ville det øge produktiviteten. Og produktivitetsudviklingen i Danmark har været skrantende i den periode, hvor vi har investeret intensivt i aktivering. Hverken danske eller udenlandske undersøgelser tyder på, at aktiv arbejdsmarkedspolitik er til gavn for virksomhederne. Har den aktive indsats så været en fejltagelse i Danmark? Som helhed næppe. Men meget tyder på, at den, som den er skruet sammen og fungerer i dag, er for omfattende. Der er programmer, som har en stor positiv effekt, programmer som har lille effekt, som har ingen effekt, og sågar programmer som har en negativ effekt. Ved en samlet vurdering ser der ud til at være en positiv effekt på beskæftigelsen, som til dels afhænger af konjunktursituationen, og som ser ud til at være båret af motivationseffekten. For langt den overvejende del af programmerne er den marginale effekt så beskeden, at genbeskæftigelseslønningerne skal være helt urealistiske årslønninger på kr. i gennemsnit før det samfundsøkonomisk løber rundt, og lønninger på en lille mio. kr., før det offentlige får pengene hjem igen. Det er oplagt, at dette giver anledning til at overveje to ting, nemlig hvilke programmer man ønsker at udbyde, og hvilket omfang aktiveringen skal have. Når det er sagt, er det vigtigt at påpege, at aktivering er andet end økonomisk effektivitet og altid har skullet tilgodese andre hensyn; først og fremmest sociale og fordelingsmæssige. Og her er selve deltagelsen i programmerne virksom det har en social og fordelingsmæssig effekt. Aktiveringen af unge har f.eks. en klar kriminalitetsreducerende effekt, ligesom aktiveringen i almindelighed sammen med den passive indsats bidrager til at mindske uligheden i samfundet. Dette er naturligvis noget, som mange politikere lægger vægt på i et land som Danmark og i en situation som i disse år, hvor uligheden stiger over alt i den rige verden. Der er dog tre indlysende vigtigt spørgsmål at afklare. Det første er, om den form for aktivering, som i dag praktiseres i Danmark, er den bedste og billigste måde at tilgodese de sociale og fordelingsmæssige hensyn? Eller om der alternativt findes mere direkte og mere effektive måder at opnå det samme på?

292 292 NATIONALØKONOMISK TIDSSKRIFT NR.2 Det andet er, om jobcentrene har de rigtige varer på hylderne? Når man i forhold til nogle af varerne ikke kan påvise nogen effekt er det så klogt at fortsætte med disse? På sigt bliver kravet nok, at egentlige aktiveringsprogrammer skal have påviselige programeffekter for at forblive på hylden med aktiveringstilbud. Motivationseffekten i sig selv kan tilvejebringes på mange måder, og billigere end i dag. Tredje spørgsmål er, om meget store aktiveringsprogrammer som det danske kommer til at svække vitale dele af vores markedsøkonomi? Svækkelsen kan f.eks. ske ved, at vigtige dele af tilpasningen på arbejdsmarkedet og i økonomien fungerer sub - optimalt, fordi ledige ikke har tid til at være ledige, fordi de har travlt med at være kursister mv. Og svækkelsen kan ske, fordi virksomhederne i visse sammenhænge dropper opgaven med at tilpasse arbejdsstyrkens kvalifikationer via omskoling og opkvalificering. I stedet fyrer man (og hyrer nogle andre) nu, hvor det er billigt, hvorfor opkvalificeringen i nogen grad overlades til arbejdsmarkedsprogrammerne i stedet for til virksomhederne. Disse spørgsmål er vigtige at få diskuteret og afklaret med henblik på den løbende produktudvikling af den danske model. Meget står på spil i disse år. Det danske arbejdsmarked har svært ved at få den herboende arbejdsstyrke beskæftiget igen i tilstrækkeligt omfang oven på krisen. Til gengæld går det stærkt med at få arbejdskraft fra de nye EU-lande i beskæftigelse i Danmark. Er dele af den danske arbejdsstyrke ved at blive koblet af konjunkturerne? I så fald skal der andet og mere til end en reform af aktiveringsparadigmet, hvis velfærdssamfundet skal blive ved med at være økonomisk holdbart. Litteratur: Andersen, S. H Unemployment and crime: Experimental evidence of the causal ef fects of intensified ALMPs on crime rates among unemployed individuals. Odense: Syddansk Universitetsforlag og Rockwool Fondens Forskningsenhed. Andersen, T. M. og M. Svarer The Role of Workfare in Striking a Balance between Incentives and Insurance in the Labour Market, CESifo Working Paper Series No Danmarks Statistik Beskæftigelsen er faldet mere i Danmark end i EU, Nyt fra Danmarks Statistik nr. 31, januar De Økonomiske Råd Arbejdsmarkedspolitik i høj- og lavkonjunktur. Dansk økonomi efterår København: DØR. Fallesen, P., L. P. Geerdsen, S. Imai og T. Tranæs The Effect of Workfare on Crime: Youth Diligence and Law Obe dience. Odense: Rockwool Fondens Forskningsenhed og Syddansk Universitetsforlag. Gautier, P., P. Muller, B. van der Klaauw, M. Rosholm og M. Svarer Estimating Equilibrium Effects of Job Search Assistance. IZA Discussion Paper 2012 No Geerdsen, L. P., J. Clausen og T. Tranæs The Motivation Effect of Active Labor Market Programs on Wages. Odense: Rockwool Fondens Forskningsenhed og Syddansk Universitetsforlag. Heinesen, E., L. Husted og M. Rosholm The effects of active labour market

293 DEBAT OG KOMMENTARER 293 policies for immigrants receiving social assistance in Denmark IZA Discus - sion Paper 2011 No Jensen, B Hvad skrev aviserne om de arbejdsløse? Debatten fra 1840erne til 1990erne. København: Gyldendal. Kreiner, C. Thustrup og T. Tranæs Optimal Workfare with Voluntary and In - voluntary Unemployment, Scandinavian Journal of Economics Vol. 107 No. 3. Madsen, P. Kongshøj Fra problembarn til øjesten i J. Hartvig Pedersen og Aa. Huulgaard (red.) (2007). Arbejdsløshedsforsikringsloven Udvikling og perspektiver. København: Arbejdsdirektoratet. Tranæs, T Hvorfor Aktivering?, Arbejdspapir 28, Rockwool Fondens Forskningsenhed, 2013.